# 竖排日文与中文图书的 OCR：先核对阅读顺序

识别竖排与混排版式，规划转换或翻译方案，并抽查有代表性的页面，检查分栏顺序、小字注释和跨页衔接。

竖排图书即使每个字都识别正确，顺序也可能出错。OCR 系统能把文字提取出来，却可能把分栏、图注或小字注释拼接错位。无论是阅读还是翻译，顺序和单字识别同样重要。

先挑几页有代表性的页面，对照原始 PDF 检查。不要因为某一页竖排内容处理得干净，就认定整本长书的每种版式都能可靠处理。

## 识别竖排与混排版式

找一页普通正文、一页章节开头，再找一页带插图或注释的页面来看。一本书里可能同时有竖排正文、横排标题、表格、拉丁字母缩写，以及小字注音。

处理之前先弄清原本的阅读顺序：哪一栏接哪一栏？图注应该放在哪里？那行小字是给旁边几个字作注，还是正文句子的一部分？在选定的几页上把这些关系记下来，作为具体的验收依据。

如果一张扫描图包含左右相邻的两页，还要检查两页的先后顺序和装订处。裁切或阴影可能遮住行末的字。图像里没有的文字，翻译也无从还原。

## 先核对 OCR 顺序，再判断译文

转换完成后，对照 PDF 图像，把一段连续的原文从头读到尾。留意分栏是否接反了方向、注释是否插进了正文、页眉是否重复出现在句子中间。

建议的抽查样本包括：

| 页面类型    | 重点检查的风险     |
| ------- | ----------- |
| 普通竖排正文  | 分栏顺序与段落衔接   |
| 横竖混排    | 标题或标签是否插入正文 |
| 小字注释    | 注释与正文的对应关系  |
| 插图或表格   | 图注位置及对正文的打断 |
| 页面或章节交界 | 是续接还是真正的断开  |

如果某段译文读起来别扭，可能是原文顺序错了。这时要回到页面比对，而不是只盯着译文句子去猜意思。[OCR 与翻译流程说明](https://pdfcraft.ai/zh-CN/blog/ocr-and-translate-workflow/)把这两个环节分开来讲。

## 明确选择转换还是翻译

在 [PDF 工作区](https://pdfcraft.ai/zh-CN/pdf-craft/)上传 PDF，按你的目的选择输出格式。EPUB 适合连续阅读，文字可调大小。Markdown 适合编辑和做研究笔记。这两种输出可以选择翻译，需要时手动开启；输出 PDF 则属于翻译任务。

生成的阅读版式不必照搬原来的竖排页面。要判断的是所选输出是否保留了内容、顺序是否合理，而不是指望它复刻原版。PDF Craft 并不承诺无损还原每一种竖排或混排版式。

需要翻译时，补充简短的背景信息：主题、人名译法、重要术语。不要指望靠提示词弥补缺失的文字或错乱的原文顺序。提交前请查看当前的文件大小限制和[价格](https://pdfcraft.ai/zh-CN/pricing/)。新用户会获得试用额度，处理按用量计费。

## 用难处理的样本判断需要复核哪些地方

挑一页版式有变化的页面，再挑一页跨页衔接的页面。把前一页末尾、当前页和下一页开头放在一起对照。看看一个完整的句子是否按顺序保留下来，中间有没有混入页眉或页码。

检查注释时，先找到注释标记，再核对完整的注释文字，不能只看小字是否识别出来。检查表格时，核对行与列的对应关系。遇到字迹浅或难以辨认的字，尽量对照更清晰的来源，不要让通顺的译文掩盖了不确定之处。

不要凭抽查的几页就给出准确率数字。抽查的作用是找出这本书容易出现哪些问题、复核工作量有多大，并不能衡量整份文档的准确率。

## 阅读时手边保留原文

把下载的输出文件单独保存，并按原书页码加一句可辨认的原文，记下有问题的地方。EPUB 的页码会随字体和屏幕大小变化，只记输出文件的页码，参考价值有限。

如果很多页都有同样的顺序问题，先停下来弄清楚原因，再继续往下做。如果只有少数几页难处理，就标记出来，对照原文仔细核对。[扫描版 PDF 翻译指南](https://pdfcraft.ai/zh-CN/blog/translate-scanned-pdf/)讲的是后续的内容与版式复核，其中也提醒：译文通顺并不等于识别正确。