Um total correto pode ocultar texto errado
Alternar linhas da esquerda e direita pode conservar quase todas as palavras e embaralhar a continuidade. Frases, parágrafos e legibilidade deixam de representar o original.
Procure mudanças súbitas de assunto e continuações sem explicação, comparando os blocos do PDF antes de reescrever. Restaure a sequência do autor, sem inventar ligações entre colunas.
Mapeie a página
Identifique título, corpo, caixas laterais, notas, legendas e tabelas. Uma caixa não continua necessariamente a frase mais próxima; revistas e fichas técnicas podem ter percursos diferentes.
Defina o escopo antes de copiar. Uma chamada para outro artigo pode ficar fora do corpo solicitado e entrar na tradução da página completa. A posição não define o pedido e o contador não o deduz.
Copie blocos e confira as junções
Selecione um bloco legível, cole em cópia de trabalho e confira primeira e última frase. Acrescente os seguintes com separação clara. Se a seleção falhar, procure outra exportação ou extração e verifique.
Encontre uma transição nas duas versões para identificar linhas ausentes. Evite sobreposição nos subtotais. O contador mede o editor inteiro: cole apenas o conteúdo desejado e salve antes de substituí-lo.
Preserve as relações das tabelas
Uma tabela liga rótulos e valores. A extração pode separar quantidades e produtos: fragmentos podem indicar volume aproximado, mas já não transmitem significado com segurança.
Preserve ou reconstrua a tabela e declare inclusão de números e cabeçalhos repetidos. Linhas extraídas não são registros quando células ocupam várias linhas. Veja campos e registros CSV antes de transformar tabela em prosa.
Revise repetições de diagramação
Autores, seções, sites e números de página podem se repetir. Removê-los ajuda na análise de frases, mas pode contrariar tradução de página completa.
Não apague todas as linhas idênticas: títulos podem pertencer ao sumário e ao corpo; citações podem se repetir. Use remoção de duplicatas em lista administrativa isolada, não em manuscrito sem revisão.
Separe ordem, junções e hifenização
Após ordenar, una finais de linhas impressas dentro do parágrafo com espaços e preserve a separação entre parágrafos. Veja como unir linhas antes de trocar tudo.
Os fragmentos italianos co- e municazione exigem reparar uma palavra, não inserir espaço. Preserve hífens reais de compostos e intervalos. Mude uma transformação por vez e repare após ordenar para não unir colunas distintas.
Confira antes de analisar
Compare limites de cada coluna, tabelas e transições entre páginas. Material crítico exige revisão integral, não certificação por amostra.
Depois interprete frases e parágrafos. Gulpease refere-se ao italiano, e ordem errada altera comprimentos de frases. Identifique escopo bruto e reconstruído e guarde ambos quando útil. Digitalizações podem exigir diagnóstico OCR além da reorganização.
A ordem importa com frequências iguais
O literal italiano “Il gatto dorme. Il cane corre.” tem seis palavras. Trocar cane e gatto preserva total e frequências, mas altera o sentido.
Mover um valor de tabela para outro produto também pode conservar a extensão. Resumos numéricos complementam a comparação de blocos. Registre percursos em layouts recorrentes e confira mudanças como duas colunas virando uma tabela de largura inteira.
Quatro verificações
| Etapa | Pergunta | Sinal de problema |
|---|---|---|
| Escopo | Quais blocos entram? | Caixa incluída sem critério |
| Ordem | A frase continua aqui? | Colunas alternadas |
| Separação | Quebra lógica ou impressa? | Quebra em cada linha impressa |
| Conferência | Limites completos? | Linhas omitidas ou duplicadas |
Fontes e verificações
- PDF.js: PDFPageProxy and getTextContent · Extracting existing page text; text extraction is distinct from OCR
- MDN: white-space · CSS whitespace and line-break rendering