ನಾನು PDF ನ ವಿಷಯಗಳ ಪುಟದ ಮೇಲೆ ಕ್ಲಿಕ್ ಮಾಡಿ ಆದರೆ ಹೊರತೆಗೆದ ನಂತರ ಮಟ್ಟವನ್ನು ಕಳೆದುಕೊಂಡರೆ ನಾನು ಏನು ಮಾಡಬೇಕು?
ಬರೆಯುವ ಮೊದಲು ಬುಕ್ಮಾರ್ಕ್ ಕ್ರಮಾನುಗತವನ್ನು ಪರಿಶೀಲಿಸಬೇಕು. ಮೊದಲ ಐಟಂ ಒಂದು ಹಂತವಾಗಿದೆ, ಮತ್ತು ನಂತರದ ಐಟಂಗಳನ್ನು ಹೆಚ್ಚೆಂದರೆ ಒಂದು ಹಂತದಿಂದ ಹೆಚ್ಚಿಸಬಹುದು; ಉದಾಹರಣೆಯು ಕಾನೂನುಬಾಹಿರ ಮಟ್ಟಗಳು ಮತ್ತು ಹೊರಗಿನ ಪುಟ ಸಂಖ್ಯೆಗಳನ್ನು ತಿರಸ್ಕರಿಸುತ್ತದೆ ಮತ್ತು ಡೈರೆಕ್ಟರಿ ರಚನೆಯನ್ನು ನಕಲಿಸಲು ಮಟ್ಟವನ್ನು ಸ್ವಯಂಚಾಲಿತವಾಗಿ ಬದಲಾಯಿಸುವುದಿಲ್ಲ. ಬುಕ್ಮಾರ್ಕ್ ಪುಟ ಸಂಖ್ಯೆಗಳು ಒಂದರಿಂದ ಪ್ರಾರಂಭವಾಗುತ್ತವೆ ಮತ್ತು ಪುಟ ಸೂಚಿಕೆಗಳು ಸಾಮಾನ್ಯವಾಗಿ ಶೂನ್ಯದಿಂದ ಪ್ರಾರಂಭವಾಗುತ್ತವೆ.
PDF ನ ವಿಷಯಗಳ ಪುಟವನ್ನು ಸಾಮಾನ್ಯವಾಗಿ ಓದುಗರಿಗೆ ಮರುನಿರ್ದೇಶಿಸಬಹುದು, ಆದರೆ ಸ್ಕ್ರಿಪ್ಟ್ ಬಳಸಿ ಹೊರತೆಗೆದ ನಂತರ, ಕ್ರಮಾನುಗತವು ಸಮತಟ್ಟಾಗಿರಬಹುದು, ಪುಟ ಸಂಖ್ಯೆಗಳು ತಪ್ಪಾಗಿ ಜೋಡಿಸಲ್ಪಟ್ಟಿರಬಹುದು ಅಥವಾ ಸೂಚ್ಯಂಕವು ಅಸಹಜವಾಗಿರಬಹುದು. ಸ್ಕ್ಯಾನ್ ಮಾಡಿದ ಫೈಲ್ಗಳು ಅಥವಾ ಫೈಲ್ಗಳನ್ನು ಅನಿಯಮಿತ ಬುಕ್ಮಾರ್ಕ್ ರಚನೆಗಳೊಂದಿಗೆ ವಿಲೀನಗೊಳಿಸುವಾಗ ಈ ರೀತಿಯ ಸಮಸ್ಯೆ ಸಾಮಾನ್ಯವಾಗಿದೆ. ಹೊರತೆಗೆಯುವ ಫಲಿತಾಂಶಗಳನ್ನು ನೇರವಾಗಿ ಡೌನ್ಸ್ಟ್ರೀಮ್ ಬಳಕೆದಾರರಿಗೆ ಹಸ್ತಾಂತರಿಸಿದರೆ, ಅನುವಾದ ವಿಭಾಗ ಮತ್ತು ಲಿಂಕ್ ಮಾಡುವಲ್ಲಿ ದೋಷಗಳು ಸಂಭವಿಸಬಹುದು.
ಈ ಲೇಖನವು PDF ಕ್ಯಾಟಲಾಗ್ಗಳನ್ನು ಬ್ಯಾಚ್ ಪ್ರಕ್ರಿಯೆಗೊಳಿಸಲು ಅಗತ್ಯವಿರುವ ಡೆವಲಪರ್ಗಳು ಮತ್ತು ದಸ್ತಾವೇಜನ್ನು ತಂಡಗಳಿಗಾಗಿ ಉದ್ದೇಶಿಸಲಾಗಿದೆ. ಓದಿದ ನಂತರ, ನೀವು get_toc() ರಿಟರ್ನ್ ಮೌಲ್ಯದ ಅರ್ಥವನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳಬಹುದು, ಮಟ್ಟಗಳು ಮತ್ತು ಪುಟ ಸಂಖ್ಯೆಗಳಿಗೆ ಪರಿಶೀಲನಾ ನಿಯಮಗಳನ್ನು ಕರಗತ ಮಾಡಿಕೊಳ್ಳಬಹುದು ಮತ್ತು ಯಾವ ಸಂದರ್ಭಗಳನ್ನು ಹಸ್ತಚಾಲಿತ ಪರಿಶೀಲನೆಗೆ ಪರಿವರ್ತಿಸಬೇಕು ಎಂಬುದನ್ನು ತಿಳಿಯಬಹುದು. ಈ ಲೇಖನವು ಸಂಸ್ಕರಣಾ ವಿಧಾನವನ್ನು ಪ್ರದರ್ಶಿಸಲು ಸಂಶ್ಲೇಷಿತ ಮಾದರಿಯನ್ನು ಬಳಸುತ್ತದೆ ಮತ್ತು ಕೋಡ್ ಅನ್ನು ಪ್ರತ್ಯೇಕ ಪರಿಸರದಲ್ಲಿ ಮಾದರಿಯಿಂದ ಪರಿಶೀಲಿಸಲಾಗಿದೆ, ಆದರೆ ಇದು ಎಲ್ಲಾ ನೈಜ ಫೈಲ್ಗಳು ಅಥವಾ ಉತ್ಪನ್ನ ಪರಿಣಾಮಗಳ ಖಾತರಿಯನ್ನು ಪ್ರತಿನಿಧಿಸುವುದಿಲ್ಲ. ಪ್ರಮುಖ ದಾಖಲೆಗಳನ್ನು ಪ್ರಕ್ರಿಯೆಗೊಳಿಸುವ ಮೊದಲು, ದಯವಿಟ್ಟು ಮೂಲವನ್ನು ಇರಿಸಿ ಮತ್ತು ಪಠ್ಯದಲ್ಲಿನ ಗಡಿಗಳು ಮತ್ತು ಸ್ವೀಕಾರ ಐಟಂಗಳ ಪ್ರಕಾರ ಅವುಗಳನ್ನು ಪರಿಶೀಲಿಸಿ.
PDF ಪರಿವಿಡಿ ಪುಟವನ್ನು ಕ್ಲಿಕ್ ಮಾಡಬಹುದಾದರೂ, ಹೊರತೆಗೆದ ನಂತರ ಕ್ರಮಾನುಗತವು ಕಳೆದುಹೋದರೆ ನಾನು ಏನು ಮಾಡಬೇಕು? ಒಂದು ವಾಕ್ಯದ ತೀರ್ಮಾನ
ಮೊದಲು ಪರಿಶೀಲಿಸಿ, ನಂತರ ಬರೆಯಿರಿ: ಬುಕ್ಮಾರ್ಕ್ ಮಟ್ಟವನ್ನು ಮೊದಲು ಪರಿಶೀಲಿಸಬೇಕು, ಮೊದಲ ಐಟಂ ಅನ್ನು ಮೊದಲ ಹಂತವೆಂದು ಪರಿಗಣಿಸಲಾಗುತ್ತದೆ, ನಂತರದ ಹಂತಗಳು ಹಿಂದಿನ ಐಟಂ ಪ್ಲಸ್ ಒಂದನ್ನು ಮೀರಬಾರದು ಮತ್ತು ಮಿತಿ ಮೀರಿದ ಪುಟ ಸಂಖ್ಯೆಗಳೊಂದಿಗೆ ನಮೂದುಗಳನ್ನು ಬರೆಯಲಾಗುವುದಿಲ್ಲ.
| ನಿಮ್ಮ ಪರಿಸ್ಥಿತಿ | ಶಿಫಾರಸು ಮಾಡಿದ ಅಭ್ಯಾಸಗಳು | ಕಾರಣ |
|---|---|---|
| ಡೈರೆಕ್ಟರಿ ಪುಟವನ್ನು ಕ್ಲಿಕ್ ಮಾಡಬಹುದು ಮತ್ತು ಹೊರತೆಗೆದ ನಂತರ ಕ್ರಮಾನುಗತವು ಸಮತಟ್ಟಾಗಿದೆ ಅಥವಾ ತಪ್ಪಾಗಿ ಜೋಡಿಸಲ್ಪಟ್ಟಿದೆ. | ಮೂಲ ಪಟ್ಟಿಯನ್ನು ಪಡೆಯಲು ಮೊದಲು get_toc() ಬಳಸಿ, ನಂತರ ಅದನ್ನು ಬಳಸುವ ಮೊದಲು ಒಂದೊಂದಾಗಿ ಪರಿಶೀಲಿಸಿ. | get_toc() ನಿಂದ ಹಿಂತಿರುಗಿಸಿದ ಮೂಲ ಪಟ್ಟಿಯು ಯಾವುದೇ ರಚನಾತ್ಮಕ ಮೌಲ್ಯೀಕರಣವನ್ನು ಹೊಂದಿಲ್ಲ |
| ಪುಟ ಸಂಖ್ಯೆ 0 ಅಥವಾ ಒಟ್ಟು ಪುಟಗಳ ಸಂಖ್ಯೆಯನ್ನು ಮೀರಿದೆ | ಪ್ರವೇಶ ಮತ್ತು ಲಾಗ್ ಅನ್ನು ತ್ಯಜಿಸಿ | ಮಿತಿ ಮೀರಿದ ಪುಟ ಸಂಖ್ಯೆಗಳು ಜಂಪ್ ವೈಫಲ್ಯಕ್ಕೆ ಕಾರಣವಾಗುತ್ತವೆ |
get_toc() ಖಾಲಿ ಪಟ್ಟಿಯನ್ನು ಹಿಂತಿರುಗಿಸುತ್ತದೆ | ಬದಲಿಗೆ ಪಠ್ಯ ಲೇಔಟ್ ವಿಶ್ಲೇಷಣೆಯನ್ನು ಬಳಸಿ ಮತ್ತು ಕುರುಡಾಗಿ ಮರುಪ್ರಯತ್ನಿಸಬೇಡಿ | ಫೈಲ್ ಬುಕ್ಮಾರ್ಕ್ ಮೆಟಾಡೇಟಾ ಎಂಬೆಡ್ ಮಾಡದಿರಬಹುದು |
| ಒಂದೇ ಶೀರ್ಷಿಕೆಯು ಅನೇಕ ವಿಭಿನ್ನ ಪುಟ ಸಂಖ್ಯೆಗಳಿಗೆ ಅನುರೂಪವಾಗಿದೆ | ಅಸ್ಪಷ್ಟ ಎಂದು ಗುರುತಿಸಿ, ಹಸ್ತಚಾಲಿತ ಪರಿಶೀಲನೆಗೆ ವರ್ಗಾಯಿಸಿ | ಯಾವ ಪುಟ ಸಂಖ್ಯೆ ಸರಿಯಾಗಿದೆ ಎಂಬುದನ್ನು ಸ್ವಯಂಚಾಲಿತವಾಗಿ ನಿರ್ಧರಿಸಲು ಸಾಧ್ಯವಾಗುತ್ತಿಲ್ಲ |
ಏಕೆ ಹೊರತೆಗೆಯುವ ಫಲಿತಾಂಶವು ಮಟ್ಟವನ್ನು ಕಳೆದುಕೊಳ್ಳುತ್ತದೆ?
[level, title, page] ಟ್ರಿಪಲ್ಗಳ ಪಟ್ಟಿಯನ್ನು ಔಟ್ಪುಟ್ ಮಾಡಲು get_toc() ಡೀಫಾಲ್ಟ್ ಆಗುತ್ತದೆ. ಅವುಗಳಲ್ಲಿ, page 1 ರಿಂದ ಪ್ರಾರಂಭವಾಗುವ ಭೌತಿಕ ಪುಟ ಸಂಖ್ಯೆ, ಮತ್ತು level ಕೇವಲ ಗೂಡುಕಟ್ಟುವ ಆಳವನ್ನು ಪ್ರತಿನಿಧಿಸುತ್ತದೆ ಮತ್ತು ನಿರಂತರತೆ ಅಥವಾ ಕಾನೂನುಬದ್ಧತೆಯನ್ನು ಖಾತರಿಪಡಿಸುವುದಿಲ್ಲ.
ಸ್ಕ್ಯಾನ್ ವಿಲೀನ ಸಾಧನದಿಂದ ಮೂಲ PDF ಅನ್ನು ರಚಿಸಿದ್ದರೆ, ಸಾಮಾನ್ಯ ಸಮಸ್ಯೆಗಳು ಸೇರಿವೆ:
- ಲೆವೆಲ್ ಜಂಪ್: ಉದಾಹರಣೆಗೆ, ನೇರವಾಗಿ 1 ರಿಂದ 3 ಕ್ಕೆ ಜಿಗಿಯಿರಿ
- ಪುಟ ಸಂಖ್ಯೆ ವಿನಾಯಿತಿ: ಪುಟ ಸಂಖ್ಯೆ 0 ಅಥವಾ ಒಟ್ಟು ಪುಟಗಳ ಸಂಖ್ಯೆಯನ್ನು ಮೀರಿದೆ
- ಶೀರ್ಷಿಕೆ ವಿನಾಯಿತಿ: ಶೀರ್ಷಿಕೆಯು ನಿಯಂತ್ರಣ ಅಕ್ಷರಗಳನ್ನು ಒಳಗೊಂಡಿದೆ
ಡೌನ್ಸ್ಟ್ರೀಮ್ ಕಾರ್ಯಗಳಿಗಾಗಿ ನೇರವಾಗಿ ಬಳಸಿದರೆ, ಅನುವಾದ ವಿಭಾಗಗಳಲ್ಲಿ ಅಥವಾ ಲಿಂಕ್ ವೈಫಲ್ಯದಲ್ಲಿ ಗೊಂದಲವನ್ನು ಉಂಟುಮಾಡುತ್ತದೆ. ಹೆಚ್ಚು ಕಪಟವಾಗಿ, ಕೆಲವು PDF ಗಳು ದೃಷ್ಟಿಗೋಚರ ವಿಷಯಗಳ ಪುಟವನ್ನು ಹೊಂದಿವೆ ಆದರೆ ಎಂಬೆಡೆಡ್ ಬುಕ್ಮಾರ್ಕ್ ಮೆಟಾಡೇಟಾ ಇಲ್ಲ. ಈ ಸಮಯದಲ್ಲಿ get_toc() ಖಾಲಿ ಪಟ್ಟಿಯನ್ನು ಹಿಂತಿರುಗಿಸುವುದು ಸಾಮಾನ್ಯವಾಗಿದೆ ಮತ್ತು ಬದಲಿಗೆ ಪಠ್ಯ ಲೇಔಟ್ ವಿಶ್ಲೇಷಣೆಯನ್ನು ಬಳಸಬೇಕಾಗುತ್ತದೆ.
ಸ್ವಯಂ-ಒಳಗೊಂಡಿರುವ ಸಂಯೋಜನೆಯ ಉದಾಹರಣೆ
ಉದಾಹರಣೆಗೆ ಅವಲಂಬನೆಗಳಿಗಾಗಿ ಆಮದು ಪಟ್ಟಿಯನ್ನು ನೋಡಿ. ಕೋಡ್ ಮೆಮೊರಿಯಲ್ಲಿ ಇನ್ಪುಟ್ ಅನ್ನು ನಿರ್ಮಿಸುತ್ತದೆ ಮತ್ತು ರನ್ ದಾಖಲೆಗಳನ್ನು ಪ್ರತ್ಯೇಕವಾಗಿ ಒದಗಿಸಲಾಗುತ್ತದೆ ಮತ್ತು ಎಲ್ಲಾ ನೈಜ ಫೈಲ್ಗಳ ಖಾತರಿಯನ್ನು ಪ್ರತಿನಿಧಿಸುವುದಿಲ್ಲ.
import pymupdf
def validate(rows, pages):
previous = 0
for level, title, page in rows:
if type(level) is not int or level < 1 or level > previous + 1:
raise ValueError("invalid hierarchy")
if type(page) is not int or not 1 <= page <= pages:
raise ValueError("invalid destination")
if not isinstance(title, str) or not title.strip():
raise ValueError("empty title")
previous = level
return rows
with pymupdf.open() as doc:
for _ in range(3):
doc.new_page()
rows = [[1, "Chapter", 1], [2, "Section", 2], [1, "Appendix", 3]]
doc.set_toc(validate(rows, doc.page_count))
assert doc.get_toc() == rows
assert len(doc.get_toc()) == 3
for bad in [[[2, "Bad", 1]], [[1, "Bad", 99]], [[1, "", 1]]]:
try:
validate(bad, doc.page_count)
except ValueError:
pass
else:
raise AssertionError("invalid outline accepted")
ಕಾನೂನು ಮತ್ತು ಅಕ್ರಮ ಇನ್ಪುಟ್ಗಾಗಿ ಸಂಸ್ಕರಣಾ ನಿಯಮಗಳು
ಸರಿಯಾದ ಇನ್ಪುಟ್ ಪೂರೈಸಬೇಕು: [1, doc.page_count] ವ್ಯಾಪ್ತಿಯಲ್ಲಿ ನಿರಂತರ ಹಂತಗಳು ಮತ್ತು ಪುಟ ಸಂಖ್ಯೆಗಳೊಂದಿಗೆ ಟ್ರಿಪಲ್ಗಳ ಪಟ್ಟಿ. ಉದಾಹರಣೆಗೆ, [[1, "引言", 1], [2, "背景", 2], [1, "方法", 5]] ಕಾನೂನುಬದ್ಧವಾಗಿದೆ, ಎರಡನೇ ಹಂತವು ಮೊದಲ ಹಂತದ ನಂತರ ಕಾಣಿಸಿಕೊಳ್ಳುತ್ತದೆ ಮತ್ತು PDF ಔಟ್ಲೈನ್ ಸಿಂಟ್ಯಾಕ್ಸ್ಗೆ ಅನುಗುಣವಾಗಿರುತ್ತದೆ.
ಸಾಮಾನ್ಯ ತಪ್ಪು ಒಳಹರಿವುಗಳು ಸೇರಿವೆ:
- ಮಟ್ಟವು 0 ಅಥವಾ ಋಣಾತ್ಮಕವಾಗಿರುತ್ತದೆ
- ಪುಟ ಸಂಖ್ಯೆ 0
- ಪುಟಗಳ ಸಂಖ್ಯೆಯು ಒಟ್ಟು ಪುಟಗಳ ಸಂಖ್ಯೆಯನ್ನು ಮೀರಿದೆ
- ಶೀರ್ಷಿಕೆಯು ಖಾಲಿ ಸ್ಟ್ರಿಂಗ್ ಆಗಿದೆ ಅಥವಾ ವೈಟ್ಸ್ಪೇಸ್ ಅಕ್ಷರಗಳನ್ನು ಮಾತ್ರ ಒಳಗೊಂಡಿದೆ
ಈ ಸಂದರ್ಭಗಳಲ್ಲಿ, ಲೇಖನದಲ್ಲಿ ನೀಡಲಾದ ವಿಧಾನಗಳು ಹೀಗಿವೆ:
- ಅಮಾನ್ಯ ಪುಟ ಸಂಖ್ಯೆಗಳೊಂದಿಗೆ ನಮೂದುಗಳನ್ನು ಬಿಟ್ಟುಬಿಡಿ ಮತ್ತು ಎಚ್ಚರಿಕೆಯನ್ನು ಲಾಗ್ ಮಾಡಿ.
- ರಚನಾತ್ಮಕ ಸಮಗ್ರತೆಯನ್ನು ಕಾಪಾಡಿಕೊಳ್ಳಲು ಖಾಲಿ ಶೀರ್ಷಿಕೆಗಳಿಗಾಗಿ
[untitled]ನಂತಹ ಪ್ಲೇಸ್ಹೋಲ್ಡರ್ಗಳನ್ನು ಇರಿಸಿ. - ಒಂದೇ ದೋಷದಿಂದಾಗಿ ಸಂಪೂರ್ಣ ಡೈರೆಕ್ಟರಿಯ ಪಾರ್ಸಿಂಗ್ ಅನ್ನು ಅಡ್ಡಿಪಡಿಸಬೇಡಿ.
ಮಟ್ಟವು 1 ಕ್ಕಿಂತ ಕಡಿಮೆ ಇರುವ ಸಂದರ್ಭದಲ್ಲಿ, ತಿಳಿದಿರಬೇಕಾದ ಎರಡು ಕಾರ್ಯತಂತ್ರಗಳಿವೆ: ಉದಾಹರಣೆಯ ಸಾರಾಂಶ ಭಾಗವು ಕಾನೂನುಬಾಹಿರ ಮಟ್ಟವನ್ನು ತಿರಸ್ಕರಿಸುತ್ತದೆ ಮತ್ತು ಅವುಗಳನ್ನು ಸ್ವಯಂಚಾಲಿತವಾಗಿ ಸರಿಪಡಿಸುವುದಿಲ್ಲ ಎಂದು ಪ್ರತಿಪಾದಿಸುತ್ತದೆ, ಆದರೆ ಲೇಖನದಲ್ಲಿನ ನಿಯಮ ವಿವರಣೆಯು ಅದನ್ನು 1 ಕ್ಕೆ ಒತ್ತಾಯಿಸುತ್ತದೆ. ದಯವಿಟ್ಟು ನಿಮ್ಮ ಪ್ರಕ್ರಿಯೆಯ ಪ್ರಕಾರ ಎರಡರ ನಡುವೆ ನಿರ್ಧರಿಸಿ. ಈ ನಿಯಮಗಳನ್ನು ಡೌನ್ಸ್ಟ್ರೀಮ್ ಪ್ರಕ್ರಿಯೆಗಳ ದೃಢತೆಯನ್ನು ಖಚಿತಪಡಿಸಿಕೊಳ್ಳಲು ವಿನ್ಯಾಸಗೊಳಿಸಲಾಗಿದೆ ಮತ್ತು PDF ಮಾನದಂಡದ ಕಡ್ಡಾಯ ಅವಶ್ಯಕತೆಗಳಲ್ಲ ಎಂಬುದನ್ನು ಗಮನಿಸಿ. ಪುಟದ ಸಂಖ್ಯೆಯು ಗಡಿಯನ್ನು ದಾಟಿದಾಗ, PyMuPDF ಎಚ್ಚರಿಕೆಯನ್ನು ಮುದ್ರಿಸುತ್ತದೆ ಆದರೆ ವಿನಾಯಿತಿಯನ್ನು ಎಸೆಯುವುದಿಲ್ಲ ಎಂದು ನಿಜವಾದ ಮಾಪನವು ಕಂಡುಹಿಡಿದಿದೆ. ಆದ್ದರಿಂದ, ಪರಿಶೀಲನೆ ಕಾರ್ಯವು ಸಕ್ರಿಯವಾಗಿ ಫಿಲ್ಟರ್ ಮಾಡಬೇಕು ಮತ್ತು ಲೈಬ್ರರಿಯ ನಡವಳಿಕೆಯನ್ನು ಅವಲಂಬಿಸಲಾಗುವುದಿಲ್ಲ.
📊 ಕೋರ್ ಹೋಲಿಕೆ
ವಿಭಿನ್ನ ಡಾಕ್ಯುಮೆಂಟ್ ಸಂದರ್ಭಗಳಲ್ಲಿ, get_toc() ನ ಫಲಿತಾಂಶಗಳು ಮತ್ತು ಸೂಚಿಸಲಾದ ಸಂಸ್ಕರಣಾ ವಿಧಾನಗಳು ವಿಭಿನ್ನವಾಗಿವೆ:
| ದಾಖಲೆ | get_toc() ಫಲಿತಾಂಶಗಳು | ಶಿಫಾರಸು ಮಾಡಿದ ಚಿಕಿತ್ಸೆ |
|---|---|---|
| ಬುಕ್ಮಾರ್ಕ್ಗಳಿವೆ ಮತ್ತು ರಚನೆಯು ಕಾನೂನುಬದ್ಧವಾಗಿದೆ | ಟ್ರಿಪಲ್ಗಳ ಪಟ್ಟಿಯನ್ನು ಹಿಂತಿರುಗಿಸುತ್ತದೆ | ಪರಿಶೀಲನೆಯ ನಂತರ ನೇರವಾಗಿ ಬಳಸಿ |
| ಬುಕ್ಮಾರ್ಕ್ಗಳಿವೆ ಆದರೆ ಮಟ್ಟ ಅಥವಾ ಪುಟ ಸಂಖ್ಯೆ ಅಸಹಜವಾಗಿದೆ | ವಿನಾಯಿತಿ ಐಟಂಗಳನ್ನು ಹೊಂದಿರುವ ಪಟ್ಟಿಯನ್ನು ಹಿಂತಿರುಗಿಸುತ್ತದೆ | ಲಾಗ್ಗಳನ್ನು ಫಿಲ್ಟರ್ ಮಾಡಿ ಮತ್ತು ರೆಕಾರ್ಡ್ ಮಾಡಿ ಮತ್ತು ಅಗತ್ಯವಿದ್ದರೆ ಹಸ್ತಚಾಲಿತ ಕಾರ್ಯಾಚರಣೆಗೆ ಬದಲಿಸಿ |
| ದೃಷ್ಟಿಗೋಚರವಾಗಿ ವಿಷಯಗಳ ಪುಟವಿದೆ ಆದರೆ ಬುಕ್ಮಾರ್ಕ್ಗಳಿಲ್ಲ | ಖಾಲಿ ಪಟ್ಟಿಯನ್ನು ಹಿಂತಿರುಗಿ | ಬದಲಿಗೆ ಪಠ್ಯ ಲೇಔಟ್ ವಿಶ್ಲೇಷಣೆ ಬಳಸಿ |
| EPUB ಮತ್ತು ಇತರ ರಿಫ್ಲೋ ದಾಖಲೆಗಳು | ಪುಟ ಸಂಖ್ಯೆ ಸ್ವರೂಪ (ಅಧ್ಯಾಯ, pno) | ಈ ಪುಟ ಸಂಖ್ಯೆ ಪರಿಶೀಲನೆ ತರ್ಕವು ಅನ್ವಯಿಸುವುದಿಲ್ಲ ಮತ್ತು ವಿಶೇಷ ಪ್ರಕ್ರಿಯೆಯ ಅಗತ್ಯವಿದೆ. |
ಸ್ವೀಕಾರ ಮಾನದಂಡಗಳು ಮತ್ತು ಹಸ್ತಚಾಲಿತ ವಿಮರ್ಶೆ ಗಡಿಗಳು
ಕೆಳಗಿನ ಕೋಷ್ಟಕವು PDF ಕ್ಯಾಟಲಾಗ್ ಮೆಟಾಡೇಟಾದ ಹೊರತೆಗೆಯುವಿಕೆಯ ಮೇಲೆ ಮಾತ್ರ ಕೇಂದ್ರೀಕರಿಸುತ್ತದೆ:
| ವಿದ್ಯಮಾನಗಳನ್ನು ಗಮನಿಸಿ | ಪ್ರಕ್ರಿಯೆ ನಿರ್ಧಾರ | ಯಾಂತ್ರೀಕರಣವು ಅನ್ವಯಿಸುತ್ತದೆಯೇ |
|---|---|---|
| ಪುಟ ಸಂಖ್ಯೆಯು 0 ಅಥವಾ ಒಟ್ಟು ಪುಟಗಳ ಸಂಖ್ಯೆಗಿಂತ ಹೆಚ್ಚಾಗಿರುತ್ತದೆ | ಪ್ರವೇಶವನ್ನು ತಿರಸ್ಕರಿಸಿ ಮತ್ತು ಅದನ್ನು ಲಾಗ್ ಮಾಡಿ | ಹೌದು |
| ಮಟ್ಟವು 1 ಕ್ಕಿಂತ ಕಡಿಮೆ ಅಥವಾ ಪೂರ್ಣಾಂಕವಲ್ಲ | ಮೇಲಿನ ನಿಯಮಗಳ ಪ್ರಕಾರ ಪ್ರಕ್ರಿಯೆಗೊಳಿಸಿ (ಹಿಂದಿನ ಸೂಚನೆಗಳನ್ನು ನೋಡಿ) | ಹೌದು |
| ಶೀರ್ಷಿಕೆಯು ಸಂಪೂರ್ಣವಾಗಿ ಖಾಲಿ ಅಥವಾ ಶುದ್ಧ ಚಿಹ್ನೆಗಳು | [untitled] ನೊಂದಿಗೆ ಬದಲಾಯಿಸಿ | ಹೌದು |
| ಮಟ್ಟದ ಜಿಗಿತ (ಉದಾ. 1 ರಿಂದ 3) | ಮೂಲ ಪದರವನ್ನು ಇರಿಸಿ ಮತ್ತು ಮಧ್ಯದ ಪದರವನ್ನು ತುಂಬಬೇಡಿ | ಹೌದು (ರಚನೆಯು ಕಾನೂನುಬದ್ಧವಾಗಿದೆ) |
| ಒಂದೇ ಶೀರ್ಷಿಕೆಯು ಅನೇಕ ವಿಭಿನ್ನ ಪುಟ ಸಂಖ್ಯೆಗಳಿಗೆ ಅನುರೂಪವಾಗಿದೆ | ಅಸ್ಪಷ್ಟ ಎಂದು ಗುರುತಿಸಿ, ಕೈಪಿಡಿಗೆ ವರ್ಗಾಯಿಸಿ | ಇಲ್ಲ |
| ನಮೂದುಗಳ ಸಂಖ್ಯೆ 200 ಮೀರಿದೆ ಮತ್ತು ಯಾವುದೇ ಮಟ್ಟದ ಬದಲಾವಣೆ ಇಲ್ಲ | OCR ತಪ್ಪಾದ ಗುರುತಿಸುವಿಕೆ ಶಂಕಿತವಾಗಿದ್ದರೆ, ಹಸ್ತಚಾಲಿತ ಪರಿಶೀಲನೆ ಅಗತ್ಯವಿದೆ. | ಇಲ್ಲ |
| ಬಾಹ್ಯ URI ಅಥವಾ JavaScript ಕ್ರಿಯೆಯನ್ನು ಒಳಗೊಂಡಿದೆ | ಪುಟ-ಅಲ್ಲದ ಜಂಪ್ ಐಟಂಗಳನ್ನು ಫಿಲ್ಟರ್ ಮಾಡಿ | ಹೌದು (ಭದ್ರತಾ ನೀತಿ) |
| EPUB, ಪುಟ ಸಂಖ್ಯೆಗಳಂತಹ ಮರುಜೋಡಿಸಲಾದ ದಾಖಲೆಗಳು (ಅಧ್ಯಾಯ, pno) | ಈ ಪುಟ ಸಂಖ್ಯೆ ಪರಿಶೀಲನೆ ತರ್ಕವು ಅನ್ವಯಿಸುವುದಿಲ್ಲ | ಇಲ್ಲ (ವಿಶೇಷ ಪ್ರಕ್ರಿಯೆಯ ಅಗತ್ಯವಿದೆ) |
ಕೋಡ್ ಪ್ರದರ್ಶನವು ರಚನೆಯ ಕಾನೂನುಬದ್ಧತೆಯನ್ನು ಮಾತ್ರ ಪರಿಶೀಲಿಸುತ್ತದೆ ಮತ್ತು ಜಂಪ್ ನಿಖರವಾಗಿದೆಯೇ ಎಂದು ಪರಿಶೀಲಿಸಲು ರೆಂಡರಿಂಗ್ನೊಂದಿಗೆ ಅಂತ್ಯದಿಂದ ಅಂತ್ಯದ ಪರಿಣಾಮವನ್ನು ಸಂಯೋಜಿಸುವ ಅಗತ್ಯವಿದೆ ಎಂದು ಗಮನಿಸಬೇಕು.
🎯 ಯಾವ ವಿಧಾನವು ನಿಮಗೆ ಸೂಕ್ತವಾಗಿದೆ?
ನೀವು ಬ್ಯಾಚ್ಗಳಲ್ಲಿ ಡೈರೆಕ್ಟರಿಗಳನ್ನು ಹೊರತೆಗೆಯಬೇಕಾದರೆ
ಮೊದಲು get_toc() ಫಲಿತಾಂಶದ ಮೇಲೆ ರಚನಾತ್ಮಕ ಪರಿಶೀಲನೆಯನ್ನು ಮಾಡಿ, ನಂತರ ಅದನ್ನು ನಂತರದ ಪ್ರಕ್ರಿಯೆಯಲ್ಲಿ ಬರೆಯಿರಿ ಮತ್ತು ಪರಿಶೀಲನೆಗಾಗಿ ಲಾಗ್ ಅನ್ನು ಇರಿಸಿ.
ನಿಮ್ಮ PDF ದೃಷ್ಟಿಗೋಚರವಾಗಿ ವಿಷಯಗಳ ಕೋಷ್ಟಕವನ್ನು ಹೊಂದಿದ್ದರೆ ಆದರೆ ಹೊರತೆಗೆಯುವಿಕೆ ಖಾಲಿಯಾಗಿದ್ದರೆ
get_toc() ಅನ್ನು ಪದೇ ಪದೇ ಮರುಪ್ರಯತ್ನಿಸಬೇಡಿ, ಬದಲಿಗೆ ಪಠ್ಯ ಲೇಔಟ್ ವಿಶ್ಲೇಷಣೆ ಸಂಸ್ಕರಣೆಯನ್ನು ಬಳಸಿ.
ನಿಮ್ಮ ಡೈರೆಕ್ಟರಿ ನಮೂದು ಒಂದೇ ಹೆಸರಿನೊಂದಿಗೆ ವಿವಿಧ ಪುಟಗಳಲ್ಲಿ ಕಾಣಿಸಿಕೊಂಡರೆ
ಈ ನಮೂದುಗಳನ್ನು ಹಸ್ತಚಾಲಿತ ಪರಿಶೀಲನೆಗೆ ಪರಿವರ್ತಿಸಿ ಮತ್ತು ಪುಟ ಸಂಖ್ಯೆಗಳಲ್ಲಿ ಒಂದನ್ನು ಸ್ವಯಂಚಾಲಿತವಾಗಿ ಆಯ್ಕೆ ಮಾಡಬೇಡಿ.
ನೀವು ನಿಮ್ಮ ಡಾಕ್ಯುಮೆಂಟ್ ಅನ್ನು ಅನುವಾದ ಪ್ರಕ್ರಿಯೆಗೆ ಸಲ್ಲಿಸುತ್ತಿದ್ದರೆ
ವಿಭಜನೆಯ ಗೊಂದಲವನ್ನು ತಪ್ಪಿಸಲು ಭಾಷಾಂತರಿಸುವ ಮೊದಲು ಡೈರೆಕ್ಟರಿ ರಚನೆ ಮತ್ತು ಪುಟ ಸಂಖ್ಯೆಗಳು ಸರಿಯಾಗಿವೆ ಎಂದು ಮೊದಲು ಖಚಿತಪಡಿಸಿ.
❓ ಪದೇ ಪದೇ ಕೇಳಲಾಗುವ ಪ್ರಶ್ನೆಗಳು (FAQ)
1. ಪುಟದ ಸಂಖ್ಯೆಯು 1 ರಿಂದ ಏಕೆ ಪ್ರಾರಂಭವಾಗುತ್ತದೆ, ಆದರೆ ಪುಟದ ಸೂಚ್ಯಂಕವು ಸಾಮಾನ್ಯವಾಗಿ 0 ರಿಂದ ಪ್ರಾರಂಭವಾಗುತ್ತದೆ?
ಬುಕ್ಮಾರ್ಕ್ ಪುಟ ಸಂಖ್ಯೆಗಳು 1 ರಿಂದ ಪ್ರಾರಂಭವಾಗುವ ಭೌತಿಕ ಪುಟ ಸಂಖ್ಯೆಗಳಾಗಿವೆ, ಆದರೆ PyMuPDF ನಂತಹ ಲೈಬ್ರರಿಗಳಲ್ಲಿನ ಪುಟ ಸೂಚ್ಯಂಕಗಳು ಸಾಮಾನ್ಯವಾಗಿ 0 ರಿಂದ ಪ್ರಾರಂಭವಾಗುತ್ತವೆ. ಪರಿವರ್ತಿಸುವಾಗ ನೀವು ಈ ವ್ಯತ್ಯಾಸಕ್ಕೆ ಗಮನ ಕೊಡಬೇಕು, ಇಲ್ಲದಿದ್ದರೆ ಪುಟ ಸಂಖ್ಯೆಗಳು ತಪ್ಪಾಗಿ ಜೋಡಿಸಲ್ಪಡುತ್ತವೆ.
2. get_toc() ಖಾಲಿ ಪಟ್ಟಿಯನ್ನು ಹಿಂತಿರುಗಿಸಿದರೆ ಫೈಲ್ನಲ್ಲಿ ಏನಾದರೂ ತಪ್ಪಾಗಿದೆ ಎಂದು ಅರ್ಥವೇ?
ಅನಿಶ್ಚಿತ. ಕೆಲವು PDF ಗಳು ದೃಷ್ಟಿಗೋಚರವಾಗಿ ವಿಷಯಗಳ ಪುಟವನ್ನು ಹೊಂದಿವೆ, ಆದರೆ ಬುಕ್ಮಾರ್ಕ್ ಮೆಟಾಡೇಟಾವನ್ನು ಎಂಬೆಡ್ ಮಾಡುವುದಿಲ್ಲ. ಖಾಲಿ ಪಟ್ಟಿಯನ್ನು ಹಿಂತಿರುಗಿಸುವುದು ಸಹಜ. ಈ ಸಂದರ್ಭದಲ್ಲಿ, ಬದಲಿಗೆ ಪಠ್ಯ ಲೇಔಟ್ ವಿಶ್ಲೇಷಣೆಯನ್ನು ಬಳಸಬೇಕು.
3. ಪುಟದ ಸಂಖ್ಯೆಯು ಗಡಿಯನ್ನು ದಾಟಿದಾಗ, ಲೈಬ್ರರಿಯು ದೋಷವನ್ನು ನೇರವಾಗಿ ವರದಿ ಮಾಡುತ್ತದೆಯೇ?
ಆಗುವುದಿಲ್ಲ. ಈ ಲೇಖನದಲ್ಲಿನ ನಿಜವಾದ ಮಾಪನವು PyMuPDF ಎಚ್ಚರಿಕೆಯನ್ನು ಮುದ್ರಿಸುತ್ತದೆ ಆದರೆ ಪುಟ ಸಂಖ್ಯೆಯು ಗಡಿಯನ್ನು ದಾಟಿದಾಗ ವಿನಾಯಿತಿಯನ್ನು ಎಸೆಯುವುದಿಲ್ಲ ಎಂದು ಕಂಡುಹಿಡಿದಿದೆ, ಆದ್ದರಿಂದ ಪರಿಶೀಲನೆ ಕಾರ್ಯವು ಸಕ್ರಿಯವಾಗಿ ಫಿಲ್ಟರ್ ಮಾಡಬೇಕು.
4. ಲೆವೆಲ್ ಜಂಪ್ಗಳಿಗಾಗಿ (ಉದಾಹರಣೆಗೆ 1 ರಿಂದ 3 ರವರೆಗೆ ನೇರವಾಗಿ) ನೀವು ಮಧ್ಯದ ಪದರಗಳನ್ನು ತುಂಬುವ ಅಗತ್ಯವಿದೆಯೇ?
ಲೇಖನದಲ್ಲಿನ ಸಲಹೆಯು ಮೂಲ ಕ್ರಮಾನುಗತವನ್ನು ಉಳಿಸಿಕೊಳ್ಳುವುದು ಮತ್ತು ಮಧ್ಯಂತರ ಪದರಗಳನ್ನು ಸೇರಿಸದಿರುವುದು, ಏಕೆಂದರೆ ಈ ರಚನೆಯು ಇನ್ನೂ ಕಾನೂನುಬದ್ಧವಾಗಿದೆ.
📝 ಸಾರಾಂಶ
PDF ಡೈರೆಕ್ಟರಿಯ ಕ್ರಮಾನುಗತ ಮತ್ತು ಪುಟ ಸಂಖ್ಯೆಗಳನ್ನು ಬಳಸುವ ಮೊದಲು ಪರಿಶೀಲಿಸಬೇಕಾಗಿದೆ. get_toc() ನ ಮೂಲ ಔಟ್ಪುಟ್ ಅನ್ನು ನೇರವಾಗಿ ವಿಶ್ವಾಸಾರ್ಹ ರಚನೆ ಎಂದು ಪರಿಗಣಿಸಲಾಗುವುದಿಲ್ಲ. ಅಸ್ಪಷ್ಟತೆ ಅಥವಾ ಬುಕ್ಮಾರ್ಕ್ಗಳಿಲ್ಲದಿರುವಾಗ, ಹಸ್ತಚಾಲಿತ ಕೆಲಸಕ್ಕೆ ಬದಲಾಯಿಸುವುದು ಅಥವಾ ಇತರ ವಿಧಾನಗಳನ್ನು ಸಮಯೋಚಿತವಾಗಿ ಬಳಸುವುದರಿಂದ ಡೌನ್ಸ್ಟ್ರೀಮ್ ಪ್ರಕ್ರಿಯೆಗಳಲ್ಲಿನ ದೋಷಗಳನ್ನು ತಪ್ಪಿಸಬಹುದು.
ಉಲ್ಲೇಖಗಳು ಮತ್ತು ಮುಂದಿನ ಹಂತಗಳು
ಸೂಚಿಸಲಾದ ಮುಂದಿನ ಹಂತ: ತಿಳಿದಿರುವ ಡೈರೆಕ್ಟರಿ ಸಮಸ್ಯೆಗಳನ್ನು ಹೊಂದಿರುವ ಪರೀಕ್ಷಾ PDF ಅನ್ನು ತಯಾರಿಸಿ, ಮೇಲಿನ ಪರಿಶೀಲನೆ ಸ್ಕ್ರಿಪ್ಟ್ ಅನ್ನು ರನ್ ಮಾಡಿ ಮತ್ತು ವಿವಿಧ ವೈಪರೀತ್ಯಗಳ ಅನುಪಾತವನ್ನು ಎಣಿಸಿ. ಮಟ್ಟದ ಜಿಗಿತಗಳು ಅಥವಾ ಪುಟ ಸಂಖ್ಯೆ ಬದಲಾವಣೆಗಳು ಆಗಾಗ್ಗೆ ಸಂಭವಿಸಿದಲ್ಲಿ, ಅನುವಾದದ ಮೊದಲು ಡೈರೆಕ್ಟರಿ ಪುನರ್ನಿರ್ಮಾಣ ಹಂತವನ್ನು ಸೇರಿಸುವುದನ್ನು ಪರಿಗಣಿಸಿ.
ಡಾಕ್ಯುಮೆಂಟ್ ಅನುವಾದಕ್ಕಾಗಿ ಈ ಪರಿಶೀಲನಾಪಟ್ಟಿಯನ್ನು ಬಳಸಿ
ಮೊದಲು ಪುಟದ ಕ್ರಮ, ಮೂಲ ಸ್ಥಳ ಮತ್ತು ಪಠ್ಯ ಸಮಗ್ರತೆಯನ್ನು ಪರಿಶೀಲಿಸಿ, ತದನಂತರ ಅದೇ ಡಿಸೆನ್ಸಿಟೈಸ್ ಮಾಡಲಾದ ಮಾದರಿಯನ್ನು ಅನುವಾದ ಪ್ರಕ್ರಿಯೆಗೆ ಸಲ್ಲಿಸಿ. ಅನುವಾದದ ನಂತರ, ಶೀರ್ಷಿಕೆ, ಪಠ್ಯ ಮತ್ತು ವಿವರಣೆಗಳು ಸರಿಯಾಗಿ ಹೊಂದುತ್ತವೆಯೇ ಎಂದು ನೀವು ಇನ್ನೂ ಪರಿಶೀಲಿಸಬೇಕಾಗಿದೆ. ಪಠ್ಯವು ಮೃದುವಾಗಿದೆಯೇ ಎಂದು ನೀವು ಪರಿಶೀಲಿಸಲಾಗುವುದಿಲ್ಲ.
OmniDoc ಬಹು-ಫಾರ್ಮ್ಯಾಟ್ ಡಾಕ್ಯುಮೆಂಟ್ ಅನುವಾದ ಪೋರ್ಟಲ್ ಅನ್ನು ಒದಗಿಸುತ್ತದೆ ಮತ್ತು ಅಧಿಕೃತ ವೆಬ್ಸೈಟ್ OCR, ಗ್ಲಾಸರಿ ಮತ್ತು ದ್ವಿಭಾಷಾ ಹೋಲಿಕೆ ಕಾರ್ಯಗಳನ್ನು ಪರಿಚಯಿಸುತ್ತದೆ. ಫೈಲ್ಗಳಿಂದ ನೇರವಾಗಿ ಕೆಲಸ ಮಾಡಲು ಬಯಸುವ ತಂಡಗಳಿಗೆ, ಇದು ನಿಜ ಜೀವನದ ಮಾದರಿಗಳೊಂದಿಗೆ ಮೌಲ್ಯಮಾಪನ ಮಾಡಲು ಯೋಗ್ಯವಾದ ಮಾರ್ಗವಾಗಿದೆ. ದಯವಿಟ್ಟು ನೀವು ಅಪ್ಲೋಡ್ ಮಾಡಲು ಅನುಮತಿ ಹೊಂದಿರುವ ಡೀಸೆನ್ಸಿಟೈಸ್ ಮಾಡಿದ ಫೈಲ್ಗಳನ್ನು ಬಳಸಿ ಮತ್ತು ಫಲಿತಾಂಶಗಳನ್ನು ಪರಿಶೀಲಿಸಲು ಈ ಲೇಖನದಲ್ಲಿನ ಚೆಕ್ ಐಟಂಗಳನ್ನು ಬಳಸಿ. OmniDoc ಈ ಲೇಖನದಲ್ಲಿ ಓಪನ್ ಸೋರ್ಸ್ ಲೈಬ್ರರಿಗಳು ಅಥವಾ ಆಂತರಿಕ ಅಲ್ಗಾರಿದಮ್ಗಳನ್ನು ಬಳಸುತ್ತದೆ ಎಂಬುದಕ್ಕೆ ಇಲ್ಲಿ ಯಾವುದೇ ಹಕ್ಕು ಇಲ್ಲ, ಅಥವಾ ಉತ್ಪನ್ನ ಕಾರ್ಯಕ್ಷಮತೆ ಪರೀಕ್ಷೆಯನ್ನು ಉದಾಹರಣೆ ಬದಲಿಸುವುದಿಲ್ಲ.


