Un total correct peut cacher un texte incorrect
Alterner une ligne à gauche et une à droite peut conserver presque tous les mots et détruire la continuité. Phrases, paragraphes et lisibilité ne décrivent plus l’original.
Repérez changements de sujet soudains et continuations inexpliquées et comparez les blocs avant de reformuler. Rétablissez la séquence de l’auteur sans inventer de liens entre colonnes.
Cartographier la page
Identifiez titre, corps, encadrés, notes, légendes et tables. Un encadré ne prolonge pas forcément la phrase voisine ; magazine et fiche technique peuvent avoir des parcours différents.
Définissez le périmètre avant copie. Une référence à un autre article peut être exclue du corps demandé mais incluse dans une traduction de page entière. La position ne définit pas la commande et le compteur ne la devine pas.
Copier les blocs et vérifier les jonctions
Sélectionnez un bloc lisible, collez-le dans une copie de travail et contrôlez première et dernière phrase. Ajoutez les suivants avec séparation claire. Si la sélection échoue, essayez une autre exportation ou extraction et vérifiez-la.
Retrouvez une transition dans les deux versions pour détecter une ligne omise. Évitez les recouvrements entre sous-totaux. Le compteur mesure tout l’éditeur : collez seulement la partie voulue et sauvegardez avant remplacement.
Conserver les relations des tables
Une table associe étiquettes et valeurs. L’extraction peut séparer quantités et produits : ces fragments estiment peut-être un volume, sans transmettre sûrement le sens.
Gardez ou reconstruisez la table. Précisez inclusion des nombres et répétition des en-têtes. Une ligne extraite n’est pas un enregistrement lorsque les cellules occupent plusieurs lignes. Voir les champs et enregistrements CSV avant conversion en prose.
Traiter les répétitions de mise en page
Auteurs, rubriques, sites et numéros de page peuvent se répéter. Les retirer aide l’analyse des phrases, mais peut contredire une traduction intégrale.
Ne supprimez pas toutes les lignes identiques : un titre peut appartenir au sommaire et au corps ; une citation peut se répéter. Utilisez la suppression de doublons sur une liste administrative isolée, pas sur un manuscrit non revu.
Séparer ordre, jonctions et césures
Après réorganisation, réunissez les lignes imprimées d’un même paragraphe avec des espaces tout en gardant les paragraphes séparés. Voir comment joindre les lignes avant remplacement global.
Les fragments italiens co- et municazione exigent la réparation d’un mot, pas l’ajout d’un espace. Gardez les vrais traits d’union et marques d’intervalles. Changez une chose à la fois, après réorganisation, sans joindre des colonnes étrangères.
Vérifier avant toute analyse
Comparez limites de chaque colonne, tables et transitions de pages. Le contenu critique demande une révision complète, pas une certification par sondage.
Interprétez ensuite phrases et paragraphes. Gulpease concerne l’italien ; un mauvais ordre fausse les longueurs de phrases. Identifiez périmètres brut et reconstruit et gardez les deux si utile. Une numérisation peut aussi demander un diagnostic OCR.
L’ordre compte avec des fréquences identiques
Le littéral italien « Il gatto dorme. Il cane corre. » compte six mots. Permuter cane et gatto conserve total et fréquences mais change le sens.
Déplacer une valeur vers un autre produit peut aussi préserver la longueur. Les résumés numériques complètent la comparaison des blocs. Notez les parcours de mises en page récurrentes et vérifiez les changements, comme deux colonnes devenant une table pleine largeur.
Quatre contrôles
| Étape | Question | Alerte |
|---|---|---|
| Périmètre | Quels blocs sont requis ? | Encadré inclus sans critère |
| Ordre | La phrase continue-t-elle ici ? | Colonnes alternées |
| Séparateurs | Saut logique ou imprimé ? | Saut à chaque ligne imprimée |
| Vérification | Limites complètes ? | Lignes omises ou doublées |
Sources et vérifications
- PDF.js: PDFPageProxy and getTextContent · Extracting existing page text; text extraction is distinct from OCR
- MDN: white-space · CSS whitespace and line-break rendering