Un totale giusto può nascondere un testo sbagliato
Immagina due colonne: a sinistra la prima parte di un articolo e a destra la sua continuazione. Se l’estrazione prende una riga da sinistra e una da destra, potrebbe conservare quasi tutte le parole ma collegarle nella sequenza sbagliata. Il totale sarebbe plausibile; le frasi, i paragrafi e l’analisi di leggibilità non descriverebbero più il documento.
Per accorgertene, leggi il passaggio tra la fine di una riga e l’inizio della successiva nella copia estratta. Una frase che cambia improvvisamente soggetto o riprende un discorso senza contesto può segnalare un ordine alterato. Non cercare di rendere naturale quel testo riscrivendolo: prima confronta i blocchi con il PDF. La correzione deve ripristinare l’ordine dell’originale, non inventare un collegamento fra contenuti che appartengono a colonne diverse.
Fai una piccola mappa della pagina
Prima di copiare una pagina complessa, riconosci i suoi elementi. Segna mentalmente il titolo, il corpo principale, eventuali riquadri, note, didascalie e tabelle. Stabilisci quale blocco viene dopo quale. Una pagina di una rivista può richiedere un percorso diverso da una scheda tecnica: il riquadro laterale non è necessariamente una continuazione della frase più vicina.
Questa mappa ti aiuta anche a decidere cosa includere nel conteggio. Se devi misurare soltanto l’articolo, potresti escludere un richiamo a un altro servizio. Se l’incarico riguarda la traduzione dell’intera pagina, quel richiamo potrebbe invece rientrare. Annota il criterio prima di selezionare il testo. La posizione visiva non sostituisce il perimetro del lavoro e un contatore non può dedurlo al posto tuo. Il numero finale deve rispondere a una consegna concreta, non alla semplice quantità di testo estraibile.
Un controllo in quattro passaggi
| Fase | Domanda da fare | Segnale di problema |
|---|---|---|
| Perimetro | Quali blocchi fanno parte dell’incarico? | Riquadri o note inclusi senza criterio |
| Ordine | La frase continua nel blocco corretto? | Alternanza fra due colonne |
| Separazioni | Questo a capo è logico o soltanto tipografico? | Una frase spezzata a ogni riga |
| Verifica | Inizio e fine di ogni blocco sono presenti? | Righe omesse o contate due volte |
Copia per blocchi e verifica le giunzioni
Per una pagina a due colonne, prova a selezionare un blocco leggibile alla volta. Incollalo in una copia di lavoro e controlla la sua prima e ultima frase. Aggiungi poi il blocco successivo con una separazione chiara. Se il lettore PDF non consente una selezione utile, valuta un’esportazione dal file sorgente oppure una diversa modalità di estrazione, controllando sempre il risultato.
Il punto delicato è la giunzione. Una riga omessa fra due blocchi può passare inosservata mentre il resto è corretto. Cerca una breve frase di raccordo nell’originale e nella copia, senza affidarti soltanto alla memoria. Se sommi conteggi separati, assicurati che i blocchi non si sovrappongano. Il conta parole misura l’intero contenuto dell’editor: per analizzare soltanto una parte, incolla soltanto quella parte e salva il risultato prima di sostituirla.
Le tabelle richiedono un criterio diverso
Una tabella contiene relazioni tra intestazioni e valori, non soltanto una sequenza di parole. Nell’estrazione, una colonna di quantità può finire separata da quella delle voci corrispondenti. Per misurare la quantità di testo da tradurre, i frammenti potrebbero essere ancora utilizzabili; per rileggere il significato, quella separazione è un problema serio.
Conserva perciò una copia della tabella o ricostruiscila in un formato che mantenga le associazioni. Indica se hai contato le intestazioni una sola volta e se i valori numerici rientrano nel lavoro. Non utilizzare il numero delle righe estratte come numero dei record: una cella può contenere più righe. La guida al testo nei CSV mostra lo stesso problema da un’altra prospettiva. Qui la regola pratica è controllare ogni confine di colonna prima di trasformare una tabella in prosa lineare.
Intestazioni ripetute e parti di servizio
Un PDF di più pagine può ripetere titolo della sezione, autore, sito o numero di pagina. Decidi se quelle parti appartengono al contenuto che stai misurando. Rimuoverle può essere sensato per un’analisi delle frasi, ma non è automatico che vadano escluse da un incarico di traduzione integrale.
Evita una pulizia globale basata sulla sola uguaglianza delle righe. Il titolo di un capitolo potrebbe essere ripetuto sia nell’indice sia nel corpo; una riga identica potrebbe anche essere una citazione voluta. Se elimini indiscriminatamente i duplicati, rischi di togliere testo legittimo. Per un controllo editoriale, identifica prima le ripetizioni di impaginazione e rimuovi soltanto quelle concordate. Se usi il rimuovi righe duplicate, fallo su un elenco di servizio isolato, non sull’intero manoscritto senza una revisione delle righe rimosse.
Riordino, a capo e sillabazione sono tre operazioni
Dopo aver ripristinato l’ordine dei blocchi, potresti trovare una nuova riga dopo ogni riga stampata. Questo non significa che ogni riga sia un paragrafo. Puoi ricomporre le righe del medesimo blocco inserendo uno spazio, mantenendo invece una separazione tra i paragrafi reali. Leggi la guida per unire righe senza perdere paragrafi prima di applicare una sostituzione generale.
Resta poi la sillabazione: co- a fine riga seguito da municazione non va trattato come un normale spazio tra parole. Ma un trattino in un cognome composto o in un intervallo non deve essere eliminato per lo stesso motivo. Lavora su questi casi dopo il riordino, perché la colonna sbagliata può mettere accanto frammenti che non appartengono alla stessa parola. Una trasformazione per volta rende più semplice verificare cosa ha cambiato il testo.
Quando la copia è pronta per il conteggio
Una copia è pronta quando riesci a seguirne il percorso e a riconciliare i blocchi con il PDF. Controlla almeno l’inizio e la fine di ogni colonna, tutte le pagine con tabelle e alcune transizioni fra pagine. Per documenti critici, la revisione deve essere completa: un campione non certifica il resto del file.
Solo a questo punto ha senso leggere frasi, paragrafi e indice Gulpease come misure del testo. Un ordine alterato può creare periodi troppo lunghi o troppo brevi, senza che l’autore li abbia mai scritti. Registra se il conteggio riguarda l’estrazione grezza o la copia ricomposta e mantieni entrambe quando serve una traccia. Se il file ha anche scansioni, consulta la guida alla diagnosi OCR. Il controllo dell’ordine e il riconoscimento dei caratteri risolvono problemi differenti e possono essere entrambi necessari nello stesso documento.
Una prova per capire perché l’ordine conta
Considera le due frasi inventate “Il gatto dorme. Il cane corre.”. Se una copia conserva tutte le sei parole ma colloca “cane” nella prima frase e “gatto” nella seconda, il totale delle parole resta sei. Anche le frequenze dei singoli termini restano uguali. La lettura descrive però una situazione diversa.
Lo stesso principio vale per una tabella: spostare un valore dalla riga di un prodotto a quella di un altro non modifica necessariamente la lunghezza del testo. Perciò un riepilogo numerico è un controllo complementare, non una sostituzione del confronto dei blocchi. Se hai più pagine con la stessa impaginazione, registra un ordine di lettura coerente e verifica ogni cambiamento di struttura, come il passaggio da due colonne a una tabella a tutta larghezza.
Fonti e verifiche
- PDF.js: contenuto testuale della paginaL’estrazione restituisce contenuto testuale; l’ordine e i separatori devono essere verificati nel riuso
- MDN: white-spaceDistinzione tra interruzioni contenute nel testo e adattamento delle righe nella visualizzazione
Controlli specifici di questa guida
- Analisi del codice locale: l’importatore ricostruisce spazi e a capo da frammenti e coordinate
- Esempi di ordine e sovrapposizione sono scenari originali, non test dichiarati su un lettore PDF commerciale