Dopo averle confrontate con il PDF, rimuovi intestazioni e piè di pagina ripetuti da una copia del file Markdown. Conserva ciò che incide sul significato o permette di identificare la fonte.

Fogli stampati e cancelleria su una scrivania scura

Distingui gli elementi di impaginazione dal contenuto

Se compare in cima a ogni pagina, il titolo di un rapporto può spezzare i paragrafi dopo l’estrazione. Valuta separatamente i numeri di pagina, le diciture ripetute sul copyright e i titoli di sezione correnti. In una tabella lunga, le intestazioni ripetute servono. Conservale quando elimini i titoli correnti delle pagine.

Evita di scartare una fascia fissa in cima o in fondo a tutte le pagine. In quella zona potrebbe esserci una nota o l’ultima riga di un paragrafo.

Rimuovi con cautela solo le ripetizioni accertate

  1. Conserva il file esportato originale. Cerca una frase ripetuta e riconoscibile, poi controlla un’occorrenza all’inizio, una a metà e l’ultima.
  2. Confronta le occorrenze con i margini delle pagine nel PDF. Controlla a parte la copertina e le pagine con un orientamento diverso.
  3. Elimina solo la riga che hai identificato come elemento ricorrente della pagina. Controlla i numeri di pagina, che cambiano, uno per uno o con una regola di ricerca molto specifica.
  4. Rileggi tutto il testo attorno ai punti in cui hai fatto una rimozione. Confronta le due versioni con un diff per vedere se hai eliminato anche parti del corpo del testo.

Conserva i riferimenti alla fonte e le note utili

Se «Rapporto annuale» spezza una frase a ogni cambio di pagina, elimina le occorrenze ripetute. Mantieni il titolo una volta nell’intestazione del documento o in una nota sulla fonte. Se il titolo del capitolo cambia, può servire come intestazione all’inizio di ciascun capitolo.

Evita di eliminare tutte le righe brevi o che contengono un numero. Potresti cancellare anche date, rimandi, valori delle tabelle e note a piè di pagina. Riporta in una nota sulla fonte gli avvisi di riservatezza e le restrizioni d’uso pertinenti. Le autorizzazioni alla condivisione restano le stesse anche dopo la pulizia del testo.

Controlla il risultato prima di usarlo

Il file convertito è una copia di lavoro. Conserva il PDF originale e confronta i passaggi che citerai, userai per calcoli o passerai a un assistente IA. Anche quando l’esportazione va a buon fine, controlla che il testo sia completo e corretto.

MD Factory converte i documenti in Markdown su Windows. Per le tabelle PDF complesse usa euristiche di impaginazione. Le celle unite e i contenuti su più righe possono richiedere correzioni manuali. La precisione dell’OCR dipende dall’immagine e dal testo di partenza. Questa guida non garantisce correzioni automatiche né un determinato livello di precisione.

Domande e risposte

I numeri di pagina vanno sempre rimossi?

No. Possono servire per citazioni e verifiche. Se sono utili, spostali fuori dalle frasi e usa una notazione coerente.

Ripulire il testo rende più precisa la risposta dell’IA?

Un testo ripulito può essere più facile da leggere. Verifica comunque la risposta confrontandola con la fonte.

Guide correlate