什麼是 PDF 的閱讀順序?
閱讀順序是程式依次讀取頁面文字的次序。人看到版面,會自然地先讀標題,再讀左欄、右欄,圖片下方的說明也歸屬於這張圖片。但 PDF 檔案本身並不懂這些:它只是把每個詞放在頁面的固定位置,寫入檔案的先後常由排版軟體決定,而不是由頁面的含義決定。
次序容易亂在哪裡
只要頁面不是單欄的連續文字,問題就會出現。雙欄的文章,從左欄開頭複製時可能直接跳到右欄開頭;側欄、腳註、頁首頁尾和表格單元格也會插進句子中間。掃描件取決於文字識別如何劃分割槽塊,看起來整齊的頁面,提取出的文字也可能是亂序的。
為什麼不只影響複製 / 自己如何檢查
次序會傳遞給所有按順序讀取文字的功能:搜尋被換行拆開的短語、轉換成可編輯文件、摘要、翻譯,以及螢幕閱讀器。用聲音聽頁面的人,聽到的就是這個次序,所以順序錯誤也是無障礙問題。 在瀏覽器中選中幾個段落,貼上到純文字編輯器裡。如果句子按你閱讀的順序排列,說明結構可靠;如果欄與欄混在一起,說明結構較弱,轉換後的副本需要手動修改。單欄、只有普通標題的頁面基本不會出問題。
AuraDoc 能做什麼
PDF 轉文字會把每頁的文字提取為純文字檔案,PDF 轉 Word 會生成可以調整區塊位置的可編輯文件,PDF OCR 會識別掃描頁上的文字,使其可以被選中。版面複雜時請對照原頁檢查結果。每個結果都是新檔案,原檔案保持不變。
用到這個術語的工具
提到這個術語的指南
常見問題
- 為什麼從 PDF 複製的文字順序是亂的?
- 檔案按頁面位置儲存詞語,而不是按敘述順序。遇到分欄、側欄和表格時,寫入順序可能與人的閱讀順序不同。
- 掃描頁有閱讀順序嗎?
- 只有經過文字識別之後才有。這一步會把頁面分成區塊並決定順序,特殊版面可能讓它出錯。
- 能不重新輸入就修正順序嗎?
- 通常可以。轉換成可編輯格式後可以整塊調整位置,比重新輸入快;單欄頁面則不需要修正。