如果轉出來的 Markdown 內容在主題之間跳來跳去,先別急著改寫句子讓它讀起來通順。文字本身可能沒錯,出問題的是段落順序。先改寫文句,反而會把原本的擷取問題掩蓋掉。
從一段明確有問題的內容往回追到它所在的頁面。做一次範圍小、可重複的診斷,比籠統地說整份結果「亂碼」有用得多。
把段落對回原始頁面
在 Markdown 裡找一個有辨識度的詞句,如果 PDF 有文字層,就直接在 PDF 裡搜尋。沒有的話,用最接近的章節標題、圖號或紙本頁碼來定位掃描頁。要注意 PDF 檢視器的頁面位置和文件上印的頁碼不見得一致。
讀一下原始段落和它前後相鄰的內容。標出 Markdown 哪裡和原文一致、哪裡偏離、又在哪裡接回原文。舉例來說,圖說可能被插進同一個段落的兩半之間。這種情況需要搬移整個區塊,而不是把整節重新翻譯一遍。
如果找不到原始段落,別讓 AI 工具自己編出缺失的連結。在找到出處之前,先註記這裡仍有疑問。文字讀起來通順,並不代表順序正確。
把頁首、頁尾和正文分開
期刊名稱、章節標題、作者姓名或頁碼,在擷取後可能重複出現在句子中間。檢查同一個片段是否每隔固定頁數就再出現一次。
把其中一個例子連同頁面位置抄進檢查筆記,再看另一個出現的地方,然後才決定要不要用全域搜尋取代。頁首裡用到的詞,也可能本來就合理地出現在正文中。數字尤其要小心:紙本頁碼可能長得很像參考文獻編號、年份或表格數值。
在工作副本中移除已確認的頁首,然後重新讀一遍接合處。如果句子還是不通,可能同時還有漏掉的段落、欄位切換或斷字問題。不要以為清理一次就能修好所有交界處。
找出放錯位置的圖片、表格與側欄
段落被表格打斷,和段落的文字與表格儲存格交錯混在一起,是兩種不同的情況。前者只要把完整的區塊搬回原位,文氣可能就恢復了;後者則要先對照 PDF,分別確認文字和表格各自的範圍,再動手修改。
用圖說和正文中的引用來判斷圖片該放在哪裡。圖片應該和圖說、圖號以及前後的說明一起看才讀得懂。如果圖片整個不見了,去檢查下載下來的資源,而不是用文字猜測它原本畫了什麼來代替。
側欄的部分,先確認作者是否本來就打算讓它走另一條閱讀路徑。方框裡的定義,未必該插在正文段落的第一句和第二句之間。雙欄審閱指南整理了哪些原始版面容易造成這類銜接問題。
記錄足夠的細節,才能決定怎麼修
一份有用的問題紀錄簡短但可重現:
| 欄位 | 範例內容 |
|---|---|
| 來源 | PDF 檢視器第 18 頁,紙本頁碼 12 |
| 輸出位置 | 「Evaluation」一節,以「The second trial」開頭的段落 |
| 問題 | 右欄段落出現在左欄續文之前 |
| 修正 | 還原原始順序;表格保留在它的引言之後 |
| 複查 | 確認下一頁從同一個起點開始 |
這只是紀錄格式的範例,不是 PDF Craft 的實際處理結果。請用你文件裡真正的位置和觀察來填寫。
少數零星的錯誤,直接在 Markdown 編輯器裡改可能比較快。但如果欄位交錯反覆出現,或是有大範圍的內容遺漏,也許該換一條轉換途徑,或改用更好的來源檔。在花錢重新處理同一個檔案之前,先想清楚你預期要改變的是什麼:掃描品質、來源檔、處理設定,還是轉換工具。用完全相同的輸入重跑一次,並不是可靠的修復方法。
使用前先檢查修好的順序
在 PDF Craft 的 Markdown 工作流程中,上傳 PDF、選擇 Markdown,然後從完成的任務下載結果。文件處理的目標是還原可用的結構,包括複雜版面;但這不代表你就不必檢查閱讀順序。
保留未經修改的匯出檔、你的工作副本和原始 PDF。比對修改前的段落、修改過的區塊,以及它後面的段落。也把 Markdown 放到實際要用的編輯器裡打開看看:編輯器的顯示問題和來源順序的問題,需要用不同的方式處理。
確認無誤之後,再擷取引文、拆分研究筆記,或把段落交給其他工具。PDF 轉 Markdown 研究指南說明了如何讓這些摘錄和出處保持對應。修好的段落應該保留作者的敘述順序,而不是只求單獨讀起來說得通。