插图出现在输出文件夹里,只是检查的第一步。读者还得知道这张图展示的是什么、哪条图注属于它、正文为什么引用它。一张与标注分离的图,可能比一张缺失的图更容易误导人。
检查扫描版 PDF 的图片和图注提取时,要把它们当作一组对应关系来看。核对转换后的文档及其附带的资源文件时,请把原始页面同时打开。
清点需要核对的插图
挑一个包含多种视觉内容的章节:如果原文有照片、示意图和图表,就把它们都选进来。记下每个图号、它所在的原始页码,以及图注开头的几个词。
在转换结果中找到这些图。检查边缘是否完整、是否清晰可读:坐标轴标签、图例、比例尺、箭头和分图标注往往靠近图像边界。裁切稍微紧了一点,就可能丢掉解释图像含义的那部分内容。
要把“图片被保留下来”和“文字被识别出来”分开看。把图表保留为图片,并不意味着图里的每个标签都变得可选中或已被翻译。如果标签仍是原文语言,就明确记录下来,不要想当然地认为整张插图都已经本地化。
把每条图注与对应的图片对上
在扫描件中读出图号和完整图注,再到输出结果里找到对应的文字。一条多行图注可能被拆成几个段落、与相邻正文混在一起,或者被挂到了另一张图上。
对于带 A、B、C 分图的插图,要确认图注仍然解释了全部三个分图。注意那些印在图片旁边而不是下方的图例。相关信息未必符合“先图后注”的简单格式。
图注里的标点和注释标记要和正文一样仔细核对。少了一个“不”字,或者丢了一个显著性标记,即便图片本身没变,图表的解读也可能被改变。
顺着正文引用逐处核对
找一句写着“图 2 显示了……”的句子,顺着它找到正确的图。然后再读一遍插图新位置前后的段落。
在重排后的输出中,插图不必和 PDF 里处于完全相同的物理位置。但它仍应出现在合理的地方,并且能通过正文引用被识别出来。图注插进了一句毫不相干的句子中间,这是阅读顺序的错误,而不只是版式变了。
如果图号按章或按附录重新编号,检查时要把这层上下文考虑进去。两个不同的“图 1”可能都是正确的;随手给其中一个重新编号,就可能破坏作者的引用关系。
先查明图片缺失的原因,再考虑替换
如果文档里显示图片无法加载的占位符,先检查 Markdown 链接和资源所在的位置。图片可能确实存在,只是你只复制了 .md 文件,它被挪到了别处。相对路径是相对于 Markdown 文档来解析的,而不是相对于你最初下载它的地方。
如果没有链接,就到提取出的资源里查找,并与原始文件对照。要区分文件缺失、链接遗漏、裁切问题和显示格式不受支持这几种情况,它们需要不同的处理办法。Markdown 图片资源指南介绍了如何复制和分享转换结果而不破坏其中的路径。
不要用生成的插图替代缺失的原始示意图。那是在制造新信息,而不是还原文档。如果确实无法恢复,就保留一条指向原始页面的明确标注。
在实际要用的文件里检查
如果要编辑内容,请把 PDF 上传到 PDF 转 Markdown,选择 Markdown,然后下载转换好的结果。PDF Craft 会处理文档的内容和结构,但扫描质量和复杂版式仍会影响提取效果。请检查实际下载的文件,不要预设固定的文件包结构,也不要以为图片会自动托管。
用你打算使用的编辑器或阅读器打开结果。挑一张图放大看看,顺着它的引用找一遍,再核对图注。如果你的目的是做研究笔记,可以参照研究用 Markdown 工作流程,同时保留原始 PDF 和插图所在的页面。
一份有用的验收记录会写明图号、图注、原始位置以及尚未解决的问题。它不会把结果简化成一个图片数量:一张对应正确的图,比三个名字含糊的文件更有参考价值。