«Результат выглядит неправильно»
Кратко
Приложение закончило работу, вы скачали файл, и что-то не так: текст не выделяется, закладки пропали, форма изменилась, страницы повёрнуты боком. Почти все случаи сводятся к одной из трёх причин: приложение перестроило страницы (и текст превратился в картинки или наоборот), один из предыдущих шагов вашей цепочки удалил структуру, либо исходный файл был не таким, как вы думали (скан вместо PDF с текстом). Двигайтесь по этой странице по симптому.
Подробности
Прежде всего: сравните с оригиналом
Documentize никогда не изменяет ваш оригинал (Задачи, параметры и результаты). Откройте оба файла рядом. Если проблема есть уже в оригинале, исправлять нужно выше по цепочке. Если она только в результате, найдите свой симптом ниже. Заодно сверьте порядок своих шагов с золотыми правилами порядка.
Проблемы с текстом
| Симптом | Вероятная причина | Исправление |
|---|---|---|
| Текст больше не выделяется после Deskew | Deskew перестраивает каждую страницу как изображение. Не рассчитывайте, что текстовый слой сохранится | После этого запустите Searchable |
| Текст не выделяется после плиточного режима в Изменить размер PDF (Resize) | Режим плитки превращает страницы в изображения | Включите OCR в Resize или не используйте режим плитки |
Файл .txt из Извлечь текст (Extract Text) пуст | PDF — это скан | Сначала Searchable |
| Строки разорваны или колонки перепутаны | Порядок чтения определяется приблизительно | Попробуйте Raw или Flatten в Extract Text либо Парсер PDF (Parser) |
| Странные символы, неверные шрифты | Шрифты указаны ссылкой, а не встроены, или повреждена кодировка | Запустите Оптимизировать PDF (Optimize) или Recovery. Если после восстановления остаётся абракадабра, посмотрите в отчёте записи о ремонте шрифтов и запустите Searchable по изображениям страниц |
| Текст пуст или «абракадабра» после Изображение в TXT (OCR Image) | Не тот язык, повёрнутое или слишком маленькое изображение | См. ocr-ai-quality.md |
| Обычный текстовый PDF почти ничего не возвращает из Unwatermark | Приложение читает только текст и возвращает простой текст, а не ваше оформление | Для отформатированной версии оставьте оригинал |
Закладки, оглавление и структура
- Закладки пропали после объединения или разделения. Приложения, меняющие структуру (Объединение файлов (Merger), Разделение PDF (Splitter), Удалить страницы в PDF (Delete Page)), идут первыми; структуру создавайте последней с помощью Добавить содержание в PDF (Add TOC) или TOC AI.
- В оглавлении по-прежнему указана удалённая глава. Delete Page не правит старое оглавление. Постройте его заново.
- Пункты оглавления ведут на неверную страницу. Вы указали печатные номера страниц или добавили страницы позже. Считайте физические страницы в программе просмотра. Книга также отмечает, что неизвестно, относятся ли номера в Add TOC к страницам до или после вставки страницы с оглавлением; проверьте на коротком файле.
- TOC AI создал закладки, но не страницу с оглавлением. Так задумано. Для страницы используйте Add TOC.
- TOC AI пропустил заголовки. Они выглядят как обычный текст; создайте пункты вручную в Add TOC.
- Номера страниц в Splitter не совпадают с напечатанными. Splitter использует физическую позицию страницы.
Формы и аннотации
- Поля остаются редактируемыми после Уплощение PDF (Flatten). Имена не совпали; скопируйте их точно (регистр важен) или оставьте оба поля пустыми, чтобы «запечь» всё.
- Значения пропали после Flatten. Поле было пустым, когда его заморозили. Сначала заполните, потом «запекайте».
- Не могу исправить опечатку после Flatten. Flatten необратим для этой копии. Вернитесь к оригиналу.
- Извлечение данных формы (Extract Form Data) выдаёт заголовки, но не значения. Форма не была заполнена или уже была «запечена». Извлекайте данные до Flatten.
- Аннотации или комментарии пропали. Если вы хотели их сохранить, не используйте Flatten.
Страницы: ориентация, размер, порядок
- Страницы скана повёрнуты боком или вверх ногами. Поверните их в Ротации PDF (Rotation). Для выбора угла посмотрите, где находится верх текста: дважды по 90 градусов — это 180.
- Страница слегка перекошена. Это область Deskew, но он исправляет только небольшие углы. Если наклон меньше примерно 0,3 градуса или текста слишком мало, он намеренно оставляет страницу как есть.
- Поворот ничего не изменил в режиме «Auto Skew». Не тот язык или слишком сильное искажение; попробуйте Deskew.
- Страницы брошюры вверх ногами на обороте. Переключите режим двусторонней печати или переворот по другому краю в диалоге печати (Создатель буклетов (Booklet)).
- Пустая страница посреди брошюры. Это ожидаемо, если число страниц не кратно 4.
- Объединено в неверном порядке. Merger упорядочивает по файлам, а не по страницам. Для постраничного управления сначала разделите.
- Лишний пустой фрагмент после Splitter. Диапазон превысил число страниц.
Изображения и размер файла
- Изображения размыты после Сжатие PDF (Compressor). Для изображений он работает с потерями. Вернитесь к оригиналу и выберите более лёгкий уровень. Никогда не сжимайте уже сжатый файл повторно.
- Файл стал больше. Searchable добавляет текстовый слой, Deskew перекодирует страницы в изображения, а Splitter повторяет общие шрифты в каждой части. Завершите работу Compressor.
- Compressor почти ничего не уменьшил. Файл в основном состоял из текста или уже был небольшим. Панель показывает реальную экономию, даже если она мала.
- Изображения из Извлечение изображений (Extract Image) выглядят плохо. Они так и хранятся в PDF.
Конвертация и создание
- В результате Word сломаны колонки или документ пуст. PDF в Word — это реконструкция; для сканов включите OCR (Converter).
- Результат Excel выглядит как обрубки текста. Используйте «только таблицы» (tables only).
- Office в PDF меняет разрывы страниц. Файл отрисовывается другим движком, чем в Office; проверьте результат.
- GIF превратился в неподвижное изображение. В PDF нет анимации.
- PDF из Chat Create состоит из одной страницы. Задайте число страниц больше 1.
PDF/A
Результат «not valid» — обычное дело. Собственный список причин на сайте: шрифты указаны ссылкой, а не встроены, цвета без выходного профиля (output intent) или ICC-профиля, прозрачность, шифрование, JavaScript и внешние ссылки. Исправьте и запустите снова; появление новых ошибок по мере устранения прежних — это нормально. См. PDF/A Validator и Converter (целевой формат PDF/A).
Когда приложение пишет, что не смогло восстановить
Если Recovery сообщает, что ни одна стадия не дала приемлемого результата, он перечисляет заметки о повреждениях. Ослабьте ожидаемое число страниц или параметры охвата текста либо смиритесь с тем, что осталось слишком мало. Политика Recovery по умолчанию «Full» удаляет метаданные и вложения; если они вам нужны, выберите None или Keep attachments.