跳至主要內容

雙欄 PDF 的閱讀順序:轉檔後該檢查哪些地方

把雙欄論文轉成 Markdown 或 EPUB 時,如何追查欄位切換、跨欄標題、圖表與段落銜接是否正確。

雙欄論文的文字可能每個字都辨識正確,排列順序卻完全錯亂。擷取出來的內容可能從左欄開始,跳到右欄的圖說,再回頭補完原本那句話。這種問題光靠校正錯字救不回來,因為論述的脈絡已經斷了。

檢查閱讀順序時,要把每個區塊當成彼此有先後關係的單位來看。你需要在轉檔結果旁邊放著原始 PDF 對照,只靠拼字檢查和字數統計是不夠的。

為單一頁面畫出一條閱讀路線

挑一頁有雙欄正文、一個標題,以及至少一張圖或表格的頁面。按照作者預期的順序讀一遍。以傳統由左至右排版的論文來說,通常是先讀完左欄、再讀右欄,但跨欄標題和圖片會打斷這個規律。

在筆記裡寫下簡短的路線,例如:

章節標題 → 左上段落 → 左下段落 → 右上接續段落 → 下一節。

這份路線是你的檢查依據,並不代表每個 PDF 的內部編碼方式都一樣。有些頁面會在一欄與兩欄之間切換;摘要可能橫跨整頁,即使後面的章節並不是這樣排。

接著在轉出的文字裡找出每個對應段落的開頭幾個字,確認順序是否吻合。如果不吻合,先找出兩個版本最早出現分歧的位置,不要隨意搬動段落。

把跨欄標題視為分界

橫跨兩欄的標題通常代表一個新的閱讀區塊。檢查轉檔結果把它放在哪裡:是在兩欄之前、左欄中途,還是排在其實應該位於它下方的文字之後。

比對標題前一段和標題後第一段。標題單獨看可能沒錯,實際上卻把不該相連的兩個區塊接在一起。連續幾頁頁首的書眉標題也是常見的陷阱:擷取工具可能把它當成重複出現的章節標題。

如果論文裡有獨立方框,要把正文論述和方框內的文字分開來看。不要因為兩者在版面上的垂直位置重疊,就把定義或補充說明插進一句毫不相干的句子中間。

檢查圖表插入文字的位置

沿著「見圖 3」這類參照,找到實際的圖和它的圖說。即使圖說在重排後的輸出裡換了位置,也應該和那張圖保持對應。

寬表格可能夾在頁面的上下兩半之間。檢查表格後面的文字是延續左欄、開始新的小節,還是接回右欄。轉檔結果可能保留了表格裡的每個數值,卻把整張表塞進某個段落中間。

抽樣檢查每張圖時,比對以下幾項:

  • 圖的編號,以及正文中引用它的地方。
  • 圖說的開頭與結尾。
  • 理解這張圖所需的標籤。
  • 插入位置前後緊鄰的段落。

不要只憑圖片在版面上的距離遠近來判斷。作者有時會在圖片所在頁面的前後才討論它。

檢查段落之間的銜接,不只看段落內部

多數順序錯誤都會在交界處露出來。讀左欄最末兩句和右欄最前兩句,接著再跨頁做一次同樣的檢查。

留意主詞突然改變、代名詞找不到指涉對象、公式沒有先說明就出現,或圖說被嵌進句子裡。印刷行末的連字號可能只是把一個單字接起來,也可能是複合詞本來就有的連字號。要對照原始檔案之後再決定怎麼還原。

做一份精簡的紀錄:原始 PDF 頁碼、段落開頭、錯誤的相鄰段落、正確的相鄰段落,以及你打算怎麼修正。這樣一來,你就能分辨某個圖說只是單獨放錯位置,還是整篇論文都有重複出現的排序問題。Markdown 閱讀順序疑難排解指南就是從這些輸出症狀開始檢查。

要修內容選 Markdown,要閱讀選 EPUB

需要搬動區塊、還原標題,或在編輯器裡整理研究筆記時,PDF 轉 Markdown 會比較好用。上傳 PDF、在任務設定中選擇 Markdown,然後送出轉檔。PDF Craft 會處理版面分析和文字辨識,包括多欄內容,但複雜頁面仍然需要人工檢查。

如果主要目的是長時間閱讀、而且希望文字能隨螢幕調整,就選 EPUB。重排會改變位置,所以拿頁碼和紙本一一對照並不是合理的驗收標準,應該改為比對內容順序。不論選哪種輸出格式,圖表和引用文獻都要以原始 PDF 為準。

把結果匯入筆記庫之前,不要只看第一頁乾不乾淨。請抽樣檢查一個跨欄標題、一頁密集的雙欄內容、一張寬表格,以及文件結尾。接著可以照著研究用的 Markdown 工作流程,把原始檔和筆記一起保存下來。

把方法用在你的文件上

先用有代表性的檔案試一次,檢查結果,再選擇適合整套資料的處理方式。

將 PDF 轉成 Markdown