搭建一条每次都能复用的文件处理链

实际工作很少只用一个工具

把纸质文档变成可用的电子版，就是一个从来不止一步的典型例子。页面先要用相机拍下来并摆正（JPG转PDF把照片变成页面），再用PDF文字识别识别，让文字可以搜索，之后往往还要用PDF压缩处理一遍，让结果小到可以用邮件发送。每一个都是单独的工具，各自把一件事做好。如果每次都得重新回想，它们之间的顺序，也就是先扫描、再识别、后压缩，正是最容易弄错或忘掉的部分。

顺序不是小细节，顺序错了会白白浪费功夫

先压缩文档再做文字识别，不如反过来做。压缩会让扫描图像变得更模糊，之后再识别，就只能从这张变模糊的图像入手，比从原来更清晰的扫描件入手更难，也更不准确。同样的道理也适用于其他类型的文件。视频先剪切到有用的长度，再压缩、按平台调整画面，重新编码的代价只付一次。顺序反过来，就是在重新编码一段马上就要丢掉的素材。结果可能看起来仍然不错，这正是这个错误容易一犯再犯的原因：什么都没出错，只是花费更多，结果也比本来该有的稍差一点。

保存下来的步骤顺序，其实是写下来的一组决定

保存一条处理链的价值，不在于为了快而快，而在于关于顺序、关于用哪些工具的决定只需要做一次，并且做对，而不必对每一份需要同样处理的文档都凭记忆重新推一遍。先扫描、再识别、后压缩的步骤搭好并保存一次，就能用在接下来的五十份文档上，什么都不用重新决定。更重要的是，不会有人因为顺序从没写在任何地方，就在第三十七份文档上先试了压缩再识别。

结果交给下一个工具之前，先检查一下

多步骤的处理链，在步骤之间停一下，比一口气盲目跑到底更好。扫描出来歪了的页面，或者文字识别认错了的名字，在那一步之后马上修正，要比在四步处理链的最后才发现省事得多；到那时，要追查是哪一步出的问题，得花不少功夫。中间结果交给下一个工具之前看一眼，只是一个小习惯。它能让你不必因为开头附近一个出错的步骤，就把整条处理链从头再做一遍。

这个模式远不只适用于文档

在纸质文档之外，同样形态的问题随处可见：几个各自独立的工具，它们之间有特定的顺序，而顺序弄错要付出实际的代价。一张照片可能需要先用图片去背景去除背景，再按某个商品页面的要求调整尺寸。一段视频可能需要先过一遍视频剪切，再按平台的画面尺寸调整。认出这个模式才是有用的部分。处理链只是一个实际的办法：碰巧需要按同样顺序做同样几步的文件再多，也不必每次都从头把这个模式认出来。

一步一步：扫描处理链从一个工具到下一个

给页面拍照，把照片添加到JPG转PDF，一次最多200张，然后把缩略图拖成阅读顺序；页面尺寸选“适应图片”时，每一页都正好是对应照片的大小。把结果从头到尾翻一遍，下载PDF，然后在同一个标签页里打开PDF文字识别。下载的文件会在这个标签页里保留一小时，所以文字识别页面顶部会有一行提示，说上一步的文件还在这里，点一下就能放进去，不必绕道去下载文件夹里找。

文字识别是这里唯一需要我们的服务器而不是浏览器的一步，添加任何文件之前，上传区域就会说明这一点，以及上传的文件和结果什么时候删除。选择文档的语言，混用多种语言时最多选三种，保持“校正倾斜页面”和“自动旋转页面”开启，然后在结果的一两页上试试Ctrl+F。PDF压缩就在这个结果下方推荐的工具里，所以可搜索的文件可以直接交给它：要用邮件发送的文档适合“均衡”，有固定大小限制的网站适合“目标大小”，两种方式都会保留文字层。