Three things go wrong with a web source in a term paper. It disappears before the deadline. Its citation has to be typed out by hand. And the file you kept is a picture, so no tool can search it. Here is what a full-page capture does about each of the three — and where it hands the work back to you.
Drei Dinge gehen mit einer Webquelle in einer Seminararbeit schief. Sie verschwindet vor der Abgabe. Ihre Zitation muss von Hand abgetippt werden. Und die Datei, die Sie aufgehoben haben, ist ein Bild, also durchsucht sie kein Werkzeug. Hier steht, was eine Ganzseiten-Aufnahme gegen jedes der drei tut — und wo die Arbeit an Sie zurückgeht.
Tres cosas fallan con una fuente web en un trabajo académico. Desaparece antes de la entrega. Su cita hay que teclearla a mano. Y el archivo que guardó es una imagen, así que ninguna herramienta puede buscar en él. Esto es lo que hace una captura de página completa con cada una de las tres — y dónde le devuelve el trabajo a usted.
Trois choses tournent mal avec une source web dans un travail universitaire. Elle disparaît avant la remise. Sa citation doit être saisie à la main. Et le fichier que vous avez gardé est une image : aucun outil ne peut y chercher. Voici ce qu'une capture pleine page fait pour chacune des trois — et où le travail vous revient.
Tre cose vanno storte con una fonte web in una tesina. Sparisce prima della consegna. La citazione va battuta a mano. E il file che avete conservato è un'immagine, quindi nessuno strumento può cercarci dentro. Ecco che cosa fa una cattura a pagina intera per ciascuna delle tre — e dove il lavoro torna a voi.
レポートのウェブ出典では三つのことが起きます。締切前にページが消える。書誌情報を手で打ち直すことになる。そして保存したファイルは画像なので、どの道具でも検索できない。ページ全体のキャプチャがこの三つに何をするのか——そしてどこで作業があなたに戻ってくるのかを示します。
Três coisas dão errado com uma fonte da web num trabalho acadêmico. Ela some antes da entrega. A citação precisa ser digitada à mão. E o arquivo que você guardou é uma imagem, então nenhuma ferramenta consegue buscar nele. Veja o que uma captura de página inteira faz com cada uma das três — e onde o trabalho volta para você.
С веб-источником в курсовой случаются три вещи. Он исчезает до сдачи. Описание для списка литературы приходится набирать вручную. А сохранённый файл — картинка, и ни один инструмент по нему не ищет. Вот что делает снимок всей страницы с каждой из трёх — и где работа возвращается к вам.
论文里的网页来源常出三种问题。交稿前页面就没了。著录信息得一个字一个字敲。而你保存下来的文件是一张图，任何工具都搜不了。下面是整页捕获对这三件事各自做了什么——以及它在哪里把活儿退回给你。
The tedious part is not the citing. It is reconstructing, weeks later, what you read, when you read it, and who wrote it. A capture carries authors, journal, DOI, licence and the time of retrieval on the sheet itself, and an attached RIS record goes straight into Citavi, Zotero or EndNote.
Does a purpose-built reader beat the established one? On 2 August 2026 it was measured against Citoid — the Wikimedia service built on the Zotero translators — across 18 works drawn at random from OpenAlex. The random draw matters: an earlier hand-picked list showed parity and flattered us.
| 18 works, drawn at random | This reader | Citoid |
|---|---|---|
| Coverage | 61 % | 61 % |
| Accuracy of what came back | 100 % | 79 % |
| Records that were wrong | 0 | 3 |
| Median time per source | 0.68 s | 1.92 s |
Read honestly: coverage is identical. The difference is what comes back. Citoid returned "Redirect URL" as the title of a work, one empty title, and one prefixed "Article: ". For a bibliography a wrong record is worse than none, because it looks finished and travels unnoticed. Raw data.
Two runs asked what a real reading list does. Of 20 sources collected for a term paper (4 August 2026), 14 became complete records; 6 were handed back — one behind a wall, one unreachable, four pages too thin to declare anything. Of 11 German-language platforms students actually cite (3 August 2026) — repositories, the national library, German publishers, case law — 5 came back complete, at 0.69 s per source. Raw · raw.
Legal sources were the instructive gap. EU regulations and Austrian consolidated law declare neither author nor year — not an oversight, simply a different kind of document. They are now treated as their own source type instead of being forced into a shape that does not fit.
Pages are edited, moved and taken down, and a dead link in a bibliography is your problem, not the publisher's. A capture keeps the page as one continuous sheet with the date of retrieval on it — including pages behind a login you hold, because everything runs in your own browser and nothing is uploaded.
Consent banners are why this is harder than it sounds: they often lock scrolling. On one news site the page reported 900 pixels of height instead of 43,101 — a full-page capture would have quietly collapsed to a single screen and looked like it worked. The banner is hidden for the duration and every change is put back afterwards. Nothing is clicked away on your behalf: a click on "accept" is a decision in your name and sets cookies. Hiding is not deciding.
Language models read text, not pixels. A capture keeps the page's own text layer, so words arrive as words — searchable, quotable, and intact across page breaks. Where a document has no text layer, recognition has to recover it, and that is measurable.
On 1 August 2026 an English Wikipedia article was captured as one continuous PDF with no text layer (700 × 11,008 pt) and read by Tesseract 5 at 150 dpi. Against the article's own text from the Wikipedia REST API the same day — 10,285 words — recognition recovered 92.6 % of the vocabulary and 73.9 % of five-word phrases. The control run, scoring the same output against unrelated vocabulary, returned 0.0 %: the method distinguishes rather than rewarding any text at all. Raw data.
The single-sheet default earns its keep here. Page breaks cut sentences in half, and a model handed a severed sentence will complete it rather than flag it. One uninterrupted sheet has no seams to fall into. For agents there is a second route that skips the file entirely: the MCP endpoint takes a URL and returns the citation directly — see the recipes.
Disclosure: these measurements were carried out by us on our own tool; the raw data and the commands to repeat them are linked above. Figures were taken on the dates stated and reflect the state of those services then; services change. Citoid is a Wikimedia project, named here only to identify the service compared. Corrections via an issue are taken up.
Das Mühsame ist nicht das Zitieren. Es ist, Wochen später zu rekonstruieren, was man gelesen hat, wann man es gelesen hat und wer es geschrieben hat. Eine Aufnahme trägt Verfasser, Zeitschrift, DOI, Lizenz und den Abrufzeitpunkt auf dem Blatt selbst, und ein beigelegter RIS-Datensatz geht direkt nach Citavi, Zotero oder EndNote.
Schlägt ein eigens gebauter Leser den etablierten? Am 2. August 2026 wurde er gegen Citoid gemessen — den Wikimedia-Dienst auf Basis der Zotero-Translatoren — an 18 zufällig aus OpenAlex gezogenen Werken. Die Zufallsziehung ist der Punkt: eine frühere, von Hand zusammengestellte Liste zeigte Gleichstand und schmeichelte uns.
| 18 Werke, zufällig gezogen | Dieser Leser | Citoid |
|---|---|---|
| Abdeckung | 61 % | 61 % |
| Richtigkeit des Zurückgelieferten | 100 % | 79 % |
| Falsche Datensätze | 0 | 3 |
| Median je Quelle | 0,68 s | 1,92 s |
Ehrlich gelesen: die Abdeckung ist gleich. Der Unterschied liegt darin, was zurückkommt. Citoid lieferte „Redirect URL" als Titel eines Werks, einen leeren Titel und einen mit vorangestelltem „Article: ". Für ein Literaturverzeichnis ist ein falscher Datensatz schlimmer als keiner, weil er fertig aussieht und unbemerkt mitwandert. Rohdaten.
Zwei Läufe fragten, was eine echte Leseliste ergibt. Von 20 Quellen, wie sie für eine Seminararbeit zusammenkommen (4. August 2026), wurden 14 zu vollständigen Datensätzen; 6 kamen zurück — eine hinter einer Schranke, eine nicht erreichbar, vier Seiten zu dünn, um überhaupt etwas zu deklarieren. Von 11 deutschsprachigen Plattformen, die Studierende tatsächlich zitieren (3. August 2026) — Repositorien, Nationalbibliothek, deutsche Verlage, Rechtsprechung — kamen 5 vollständig zurück, bei 0,69 s je Quelle. Rohdaten · Rohdaten.
Die aufschlussreiche Lücke waren Rechtsquellen. EU-Verordnungen und österreichisches konsolidiertes Recht deklarieren weder Verfasser noch Jahr — kein Versäumnis, sondern eine andere Art von Dokument. Sie gelten jetzt als eigener Quellentyp, statt in eine Form gezwungen zu werden, die nicht passt.
Seiten werden bearbeitet, verschoben und abgeschaltet, und ein toter Link im Literaturverzeichnis ist Ihr Problem, nicht das des Anbieters. Eine Aufnahme bewahrt die Seite als ein durchgehendes Blatt mit dem Abrufdatum darauf — auch hinter einem Login, zu dem Sie Zugang haben, denn alles läuft im eigenen Browser und nichts wird hochgeladen.
Zustimmungsbanner sind der Grund, warum das schwieriger ist, als es klingt: sie sperren häufig das Scrollen. Auf einer Nachrichtenseite meldete die Seite 900 Pixel Höhe statt 43.101 — eine Ganzseiten-Aufnahme wäre still auf einen einzigen Bildschirm zusammengefallen und hätte ausgesehen, als hätte sie funktioniert. Das Banner wird für die Dauer der Aufnahme verborgen, jede Änderung danach zurückgenommen. Nichts wird in Ihrem Namen weggeklickt: ein Klick auf „akzeptieren" ist eine Entscheidung in Ihrem Namen und setzt Cookies. Verbergen ist nicht entscheiden.
Sprachmodelle lesen Text, keine Pixel. Eine Aufnahme behält die Textebene der Seite, die Wörter kommen also als Wörter an — durchsuchbar, zitierbar und über Seitenumbrüche hinweg unversehrt. Wo ein Dokument keine Textebene hat, muss die Erkennung sie zurückgewinnen, und das ist messbar.
Am 1. August 2026 wurde ein englischer Wikipedia-Artikel als ein durchgehendes PDF ohne Textebene aufgenommen (700 × 11.008 pt) und mit Tesseract 5 bei 150 dpi gelesen. Gegen den Text desselben Artikels aus der Wikipedia-REST-API vom selben Tag — 10.285 Wörter — gewann die Erkennung 92,6 % des Wortschatzes zurück und 73,9 % der Fünf-Wort-Folgen. Der Kontrolllauf, der dieselbe Ausgabe gegen fremdes Vokabular prüfte, ergab 0,0 %: die Methode unterscheidet also wirklich, statt jeden beliebigen Text zu belohnen. Rohdaten.
Hier zahlt sich das Einzelblatt aus. Seitenumbrüche zerschneiden Sätze, und ein Modell, dem ein abgetrennter Satz vorgelegt wird, vervollständigt ihn, statt ihn zu melden. Ein durchgehendes Blatt hat keine Nahtstellen, in die etwas fallen kann. Für Agenten gibt es einen zweiten Weg, der die Datei ganz überspringt: der MCP-Endpunkt nimmt eine URL und gibt die Zitation direkt zurück — siehe die Rezepte.
Offenlegung: Diese Messungen haben wir an unserem eigenen Werkzeug durchgeführt; Rohdaten und die Befehle zur Wiederholung sind oben verlinkt. Die Werte wurden an den genannten Tagen erhoben und geben den damaligen Stand der Dienste wieder; Dienste ändern sich. Citoid ist ein Wikimedia-Projekt und wird nur genannt, um den verglichenen Dienst zu bezeichnen. Korrekturen über ein Issue werden übernommen.
Lo tedioso no es citar. Es reconstruir, semanas después, qué leyó, cuándo lo leyó y quién lo escribió. Una captura lleva autores, revista, DOI, licencia y la hora de consulta en la propia hoja, y un registro RIS adjunto entra directamente en Citavi, Zotero o EndNote.
¿Supera un lector hecho a medida al establecido? El 2 de agosto de 2026 se midió frente a Citoid — el servicio de Wikimedia basado en los traductores de Zotero — sobre 18 obras extraídas al azar de OpenAlex. El sorteo aleatorio importa: una lista anterior elegida a mano mostraba empate y nos favorecía.
| 18 obras, al azar | Este lector | Citoid |
|---|---|---|
| Cobertura | 61 % | 61 % |
| Exactitud de lo devuelto | 100 % | 79 % |
| Registros erróneos | 0 | 3 |
| Mediana por fuente | 0,68 s | 1,92 s |
Leído con honestidad: la cobertura es idéntica. La diferencia está en lo que vuelve. Citoid devolvió «Redirect URL» como título de una obra, un título vacío y otro precedido de «Article: ». Para una bibliografía, un registro erróneo es peor que ninguno, porque parece terminado y viaja sin que nadie lo note. Datos brutos.
Dos ejecuciones preguntaron qué da una lista de lectura real. De 20 fuentes reunidas para un trabajo (4 de agosto de 2026), 14 se convirtieron en registros completos; 6 fueron devueltas — una tras un muro, una inalcanzable, cuatro páginas demasiado escuetas para declarar nada. De 11 plataformas en alemán que los estudiantes citan de verdad (3 de agosto de 2026), 5 volvieron completas, a 0,69 s por fuente. Datos · datos.
El hueco revelador fueron las fuentes jurídicas. Los reglamentos de la UE y el derecho consolidado austriaco no declaran ni autor ni año — no es un descuido, sino otro tipo de documento. Ahora se tratan como un tipo de fuente propio en lugar de forzarlos a una forma que no les corresponde.
Las páginas se editan, se mueven y se retiran, y un enlace muerto en la bibliografía es problema suyo, no del editor. Una captura conserva la página como una hoja continua con la fecha de consulta encima — también páginas tras un acceso que usted posee, porque todo ocurre en su navegador y nada se sube.
Los avisos de consentimiento son la razón de que esto sea más difícil de lo que parece: a menudo bloquean el desplazamiento. En un sitio de noticias la página declaró 900 píxeles de alto en lugar de 43 101 — una captura completa se habría reducido en silencio a una sola pantalla y habría parecido correcta. El aviso se oculta mientras dura la captura y todo cambio se restituye después. Nada se descarta en su nombre: pulsar «aceptar» es una decisión suya y fija cookies. Ocultar no es decidir.
Los modelos de lenguaje leen texto, no píxeles. Una captura conserva la capa de texto de la página, así que las palabras llegan como palabras — buscables, citables e intactas a través de los saltos de página. Donde un documento carece de capa de texto, el reconocimiento debe recuperarla, y eso es medible.
El 1 de agosto de 2026 se capturó un artículo de Wikipedia en inglés como un PDF continuo sin capa de texto (700 × 11 008 pt) y se leyó con Tesseract 5 a 150 ppp. Frente al texto del propio artículo obtenido ese mismo día de la API REST de Wikipedia — 10 285 palabras — el reconocimiento recuperó el 92,6 % del vocabulario y el 73,9 % de las secuencias de cinco palabras. La ejecución de control, que puntuó la misma salida contra vocabulario ajeno, dio 0,0 %: el método distingue de verdad, en lugar de premiar cualquier texto. Datos brutos.
Aquí la hoja única se gana su sitio. Los saltos de página parten las frases, y un modelo al que se le entrega una frase cortada la completa en lugar de señalarla. Una hoja continua no tiene costuras donde caerse. Para agentes existe una segunda vía que se salta el archivo por completo: el endpoint MCP recibe una URL y devuelve la cita directamente — véanse las recetas.
Declaración: estas mediciones las realizamos nosotros sobre nuestra propia herramienta; los datos brutos y las órdenes para repetirlas están enlazados arriba. Las cifras se tomaron en las fechas indicadas y reflejan el estado de esos servicios entonces; los servicios cambian. Citoid es un proyecto de Wikimedia, nombrado aquí solo para identificar el servicio comparado. Las correcciones vía issue se recogen.
Le fastidieux n'est pas de citer. C'est de reconstituer, des semaines plus tard, ce qu'on a lu, quand on l'a lu et qui l'a écrit. Une capture porte auteurs, revue, DOI, licence et heure de consultation sur la feuille même, et un enregistrement RIS joint entre directement dans Citavi, Zotero ou EndNote.
Un lecteur conçu pour cela bat-il l'établi ? Le 2 août 2026, il a été mesuré face à Citoid — le service Wikimedia fondé sur les traducteurs Zotero — sur 18 œuvres tirées au hasard d'OpenAlex. Le tirage aléatoire compte : une liste antérieure choisie à la main montrait l'égalité et nous flattait.
| 18 œuvres, tirées au hasard | Ce lecteur | Citoid |
|---|---|---|
| Couverture | 61 % | 61 % |
| Exactitude de ce qui revient | 100 % | 79 % |
| Enregistrements faux | 0 | 3 |
| Médiane par source | 0,68 s | 1,92 s |
Lu honnêtement : la couverture est identique. La différence tient à ce qui revient. Citoid a rendu « Redirect URL » comme titre d'une œuvre, un titre vide et un autre précédé de « Article: ». Pour une bibliographie, un enregistrement faux est pire qu'aucun : il a l'air fini et voyage sans qu'on le remarque. Données brutes.
Deux passages ont demandé ce que donne une vraie liste de lecture. Sur 20 sources réunies pour un travail (4 août 2026), 14 sont devenues des enregistrements complets ; 6 ont été rendues — une derrière un mur, une injoignable, quatre pages trop maigres pour déclarer quoi que ce soit. Sur 11 plateformes germanophones que les étudiants citent réellement (3 août 2026), 5 sont revenues complètes, à 0,69 s par source. Données · données.
La lacune instructive : les sources juridiques. Les règlements de l'UE et le droit consolidé autrichien ne déclarent ni auteur ni année — non par négligence, mais parce que ce sont d'autres documents. Ils sont désormais traités comme un type de source à part, au lieu d'être forcés dans une forme qui ne leur convient pas.
Les pages sont modifiées, déplacées, retirées, et un lien mort dans une bibliographie est votre problème, pas celui de l'éditeur. Une capture conserve la page en une feuille continue portant la date de consultation — y compris derrière un accès dont vous disposez, puisque tout se déroule dans votre navigateur et que rien n'est téléversé.
Les bandeaux de consentement sont la raison pour laquelle c'est plus difficile qu'il n'y paraît : ils bloquent souvent le défilement. Sur un site d'actualité, la page annonçait 900 pixels de haut au lieu de 43 101 — une capture pleine page se serait silencieusement réduite à un seul écran en ayant l'air de fonctionner. Le bandeau est masqué le temps de la capture et chaque modification est rétablie ensuite. Rien n'est cliqué en votre nom : cliquer « accepter » est une décision prise en votre nom et pose des cookies. Masquer n'est pas décider.
Les modèles de langue lisent du texte, pas des pixels. Une capture conserve la couche de texte de la page : les mots arrivent comme des mots — cherchables, citables, intacts par-delà les sauts de page. Là où un document n'a pas de couche de texte, la reconnaissance doit la retrouver, et cela se mesure.
Le 1er août 2026, un article de Wikipédia en anglais a été capturé en un PDF continu sans couche de texte (700 × 11 008 pt) et lu par Tesseract 5 à 150 ppp. Face au texte du même article tiré le jour même de l'API REST de Wikipédia — 10 285 mots — la reconnaissance a retrouvé 92,6 % du vocabulaire et 73,9 % des séquences de cinq mots. Le passage de contrôle, notant la même sortie contre un vocabulaire étranger, a donné 0,0 % : la méthode distingue réellement au lieu de récompenser n'importe quel texte. Données brutes.
La feuille unique prend ici tout son sens. Les sauts de page coupent les phrases, et un modèle à qui l'on présente une phrase tronquée la complète au lieu de la signaler. Une feuille continue n'a pas de couture où tomber. Pour les agents, une seconde voie évite le fichier : le point d'accès MCP reçoit une URL et renvoie la citation directement — voir les recettes.
Divulgation : ces mesures ont été réalisées par nous sur notre propre outil ; les données brutes et les commandes pour les répéter sont liées ci-dessus. Les chiffres ont été relevés aux dates indiquées et reflètent l'état de ces services à ce moment ; les services changent. Citoid est un projet Wikimedia, nommé ici seulement pour identifier le service comparé. Les corrections via un ticket sont reprises.
La parte noiosa non è citare. È ricostruire, settimane dopo, che cosa si è letto, quando e chi l'ha scritto. Una cattura porta autori, rivista, DOI, licenza e ora di consultazione sul foglio stesso, e un record RIS allegato entra direttamente in Citavi, Zotero o EndNote.
Un lettore costruito apposta batte quello affermato? Il 2 agosto 2026 è stato misurato contro Citoid — il servizio Wikimedia basato sui traduttori di Zotero — su 18 opere estratte a caso da OpenAlex. L'estrazione casuale conta: un elenco precedente scelto a mano mostrava parità e ci lusingava.
| 18 opere, estratte a caso | Questo lettore | Citoid |
|---|---|---|
| Copertura | 61 % | 61 % |
| Correttezza di ciò che torna | 100 % | 79 % |
| Record sbagliati | 0 | 3 |
| Mediana per fonte | 0,68 s | 1,92 s |
Letto onestamente: la copertura è identica. La differenza sta in ciò che torna. Citoid ha restituito «Redirect URL» come titolo di un'opera, un titolo vuoto e uno preceduto da «Article: ». Per una bibliografia un record sbagliato è peggio di nessuno: sembra finito e viaggia senza che nessuno se ne accorga. Dati grezzi.
Due passaggi hanno chiesto che cosa dia una vera lista di letture. Su 20 fonti raccolte per una tesina (4 agosto 2026), 14 sono diventate record completi; 6 sono state restituite — una dietro un muro, una irraggiungibile, quattro pagine troppo scarne per dichiarare alcunché. Su 11 piattaforme in lingua tedesca che gli studenti citano davvero (3 agosto 2026), 5 sono tornate complete, a 0,69 s per fonte. Dati · dati.
La lacuna istruttiva sono state le fonti giuridiche. I regolamenti UE e il diritto consolidato austriaco non dichiarano né autore né anno — non una svista, ma un altro tipo di documento. Ora sono trattati come tipo di fonte a sé, invece di essere forzati in una forma che non li riguarda.
Le pagine vengono modificate, spostate e ritirate, e un link morto in bibliografia è un problema vostro, non dell'editore. Una cattura conserva la pagina come un foglio continuo con la data di consultazione sopra — anche dietro un accesso di cui disponete, perché tutto avviene nel vostro browser e nulla viene caricato.
I banner di consenso sono il motivo per cui la faccenda è più difficile di quanto sembri: spesso bloccano lo scorrimento. Su un sito di notizie la pagina dichiarava 900 pixel di altezza invece di 43.101 — una cattura a pagina intera si sarebbe ridotta in silenzio a una sola schermata, con l'aria di aver funzionato. Il banner viene nascosto per la durata e ogni modifica ripristinata dopo. Nulla viene cliccato in vostro nome: premere «accetta» è una decisione a vostro nome e imposta cookie. Nascondere non è decidere.
I modelli linguistici leggono testo, non pixel. Una cattura conserva il livello di testo della pagina, così le parole arrivano come parole — ricercabili, citabili e intatte attraverso le interruzioni di pagina. Dove un documento non ha livello di testo, il riconoscimento deve recuperarlo, e questo si misura.
Il 1º agosto 2026 un articolo di Wikipedia in inglese è stato catturato come un PDF continuo senza livello di testo (700 × 11.008 pt) e letto con Tesseract 5 a 150 dpi. Contro il testo dello stesso articolo preso quel giorno dall'API REST di Wikipedia — 10.285 parole — il riconoscimento ha recuperato il 92,6 % del lessico e il 73,9 % delle sequenze di cinque parole. Il passaggio di controllo, che ha valutato la stessa uscita contro lessico estraneo, ha dato 0,0 %: il metodo distingue davvero, invece di premiare qualsiasi testo. Dati grezzi.
Qui il foglio unico si ripaga. Le interruzioni di pagina tagliano le frasi a metà, e un modello a cui si porge una frase troncata la completa invece di segnalarla. Un foglio continuo non ha cuciture in cui cadere. Per gli agenti c'è una seconda via che salta del tutto il file: l'endpoint MCP riceve un URL e restituisce la citazione direttamente — si vedano le ricette.
Dichiarazione: queste misurazioni le abbiamo svolte noi sul nostro stesso strumento; i dati grezzi e i comandi per ripeterle sono collegati sopra. Le cifre sono state rilevate nelle date indicate e riflettono lo stato di quei servizi allora; i servizi cambiano. Citoid è un progetto Wikimedia, nominato qui solo per identificare il servizio confrontato. Le correzioni via issue vengono accolte.
面倒なのは引用そのものではありません。数週間後に、何を、いつ読み、誰が書いたのかを たどり直すことです。キャプチャは著者・掲載誌・DOI・ライセンス・取得時刻を紙面自体に 載せ、添付されたRISレコードはCitavi、Zotero、EndNoteへそのまま取り込めます。
専用に作った読み取りは、既存のものに勝るのか。2026年8月2日、 Citoid——Zoteroトランスレータを 基盤とするWikimediaのサービス——と、OpenAlexから無作為に抽出した18件で比較しました。 無作為抽出が肝心です。以前の手選びのリストでは互角に見え、こちらに有利でした。
| 無作為抽出の18件 | この読み取り | Citoid |
|---|---|---|
| 取得できた割合 | 61 % | 61 % |
| 返ってきた内容の正確さ | 100 % | 79 % |
| 誤ったレコード | 0 | 3 |
| 1件あたり中央値 | 0.68 秒 | 1.92 秒 |
正直に読めば、取得率は同じです。違うのは返ってくる中身です。Citoidは ある文献の題名として「Redirect URL」を返し、空の題名を一件、「Article: 」が前に付いた ものを一件返しました。文献表にとって誤ったレコードは、何もないより悪い。完成して見え、 気づかれないまま運ばれるからです。 生データ。
実際の文献リストではどうか、二度試しました。レポート用に集めた20件（2026年8月4日）の うち14件が完全なレコードになり、6件は差し戻し——1件は壁の向こう、1件は到達不能、4件は ページの記述が薄すぎて何も宣言していませんでした。学生が実際に引用するドイツ語圏の 11プラットフォーム（2026年8月3日）では5件が完全に返り、1件あたり0.69秒でした。 データ・ データ。
示唆的だったのは法令です。EU規則やオーストリアの統合法令は著者も年も宣言しません。 手抜かりではなく、種類の違う文書だからです。現在はこれを独自の出典種別として扱い、 合わない型に押し込めることをやめました。
ページは編集され、移され、取り下げられます。文献表の切れたリンクは、発行元ではなく あなたの問題です。キャプチャはページを一枚の連続した紙面として、取得日を載せて残します。 あなたが正当に持つログインの内側でも同じです。すべてが自分のブラウザで動き、どこにも アップロードされないからです。
これが見た目より難しい理由が同意バナーです。多くはスクロールを止めます。あるニュース サイトでは、ページの高さが43,101ピクセルではなく900ピクセルと申告されました。全体 キャプチャは黙って一画面分に縮み、うまくいったように見えたはずです。バナーは撮影の あいだ隠され、変更はすべて後で戻されます。あなたの代わりに何かを押すことはありません。 「同意する」を押すのはあなたの名による決定であり、Cookieを設定します。隠すことは 決めることではありません。
言語モデルが読むのは文字であって画素ではありません。キャプチャはページ自身のテキスト 層を保つため、語は語として届きます——検索でき、引用でき、改ページをまたいでも壊れま せん。テキスト層のない文書では認識が復元するほかなく、それは測れます。
2026年8月1日、英語版Wikipediaの記事をテキスト層のない連続PDF（700 × 11,008 pt）として 取り込み、Tesseract 5で150 dpiで読ませました。同日にWikipedia REST APIから取得した同記事 の本文——10,285語——と照合すると、語彙の92.6 %、5語連続では73.9 %が 復元されました。同じ出力を無関係な語彙と照合した対照試行は0.0 %。この方法は本当に 区別しており、どんな文字列でも褒めるわけではないということです。 生データ。
一枚仕上げが効くのはここです。改ページは文を断ち切り、断片を渡されたモデルはそれを 報告せずに補ってしまいます。連続した一枚には落ちる継ぎ目がありません。エージェント にはファイルを介さない第二の経路もあります。 MCPエンドポイントはURLを受け取り、 書誌情報を直接返します——レシピを参照してください。
開示：これらの測定は自分たちの道具に対して自分たちで行ったものです。生データと再現用の コマンドは上にリンクしてあります。数値は記載の日付に取得したもので、当時のサービスの 状態を示します。サービスは変わります。CitoidはWikimediaのプロジェクトであり、ここでは 比較対象を示すためだけに名前を挙げています。訂正は Issue から反映します。
O trabalhoso não é citar. É reconstruir, semanas depois, o que você leu, quando leu e quem escreveu. Uma captura leva autores, periódico, DOI, licença e a hora de consulta na própria folha, e um registro RIS anexo entra direto no Citavi, Zotero ou EndNote.
Um leitor feito para isso supera o consagrado? Em 2 de agosto de 2026 ele foi medido contra o Citoid — o serviço da Wikimedia baseado nos tradutores do Zotero — em 18 obras sorteadas ao acaso no OpenAlex. O sorteio importa: uma lista anterior escolhida a dedo mostrava empate e nos favorecia.
| 18 obras, sorteadas | Este leitor | Citoid |
|---|---|---|
| Cobertura | 61 % | 61 % |
| Exatidão do que voltou | 100 % | 79 % |
| Registros errados | 0 | 3 |
| Mediana por fonte | 0,68 s | 1,92 s |
Lido com honestidade: a cobertura é igual. A diferença está no que volta. O Citoid devolveu «Redirect URL» como título de uma obra, um título vazio e um com «Article: » na frente. Para uma bibliografia, um registro errado é pior do que nenhum: parece pronto e viaja sem que ninguém perceba. Dados brutos.
Duas rodadas perguntaram o que uma lista de leitura real produz. De 20 fontes reunidas para um trabalho (4 de agosto de 2026), 14 viraram registros completos; 6 voltaram — uma atrás de um muro, uma inalcançável, quatro páginas magras demais para declarar qualquer coisa. De 11 plataformas em alemão que estudantes de fato citam (3 de agosto de 2026), 5 voltaram completas, a 0,69 s por fonte. Dados · dados.
A lacuna instrutiva foram as fontes jurídicas. Regulamentos da UE e o direito consolidado austríaco não declaram nem autor nem ano — não é descuido, é outro tipo de documento. Agora são tratados como um tipo de fonte próprio, em vez de forçados a uma forma que não lhes cabe.
Páginas são editadas, movidas e retiradas, e um link morto na bibliografia é problema seu, não do editor. Uma captura guarda a página como uma folha contínua com a data de consulta — inclusive atrás de um acesso que você tem, porque tudo roda no seu navegador e nada é enviado.
Os avisos de consentimento são a razão de isso ser mais difícil do que parece: eles costumam travar a rolagem. Num site de notícias a página informou 900 pixels de altura em vez de 43.101 — uma captura completa teria encolhido em silêncio para uma única tela e pareceria ter funcionado. O aviso fica oculto durante a captura e toda alteração é desfeita depois. Nada é clicado em seu nome: clicar em «aceitar» é uma decisão sua e grava cookies. Ocultar não é decidir.
Modelos de linguagem leem texto, não pixels. Uma captura mantém a camada de texto da própria página, então palavras chegam como palavras — pesquisáveis, citáveis e intactas através das quebras de página. Onde um documento não tem camada de texto, o reconhecimento precisa recuperá-la, e isso é mensurável.
Em 1º de agosto de 2026, um artigo da Wikipédia em inglês foi capturado como um PDF contínuo sem camada de texto (700 × 11.008 pt) e lido pelo Tesseract 5 a 150 dpi. Contra o texto do próprio artigo obtido no mesmo dia pela API REST da Wikipédia — 10.285 palavras — o reconhecimento recuperou 92,6 % do vocabulário e 73,9 % das sequências de cinco palavras. A rodada de controle, comparando a mesma saída com vocabulário alheio, deu 0,0 %: o método de fato distingue, em vez de premiar qualquer texto. Dados brutos.
Aqui a folha única se paga. Quebras de página cortam frases ao meio, e um modelo que recebe uma frase cortada a completa em vez de apontá-la. Uma folha contínua não tem emendas onde cair. Para agentes há um segundo caminho que dispensa o arquivo: o endpoint MCP recebe uma URL e devolve a citação diretamente — veja as receitas.
Divulgação: estas medições foram feitas por nós na nossa própria ferramenta; os dados brutos e os comandos para repeti-las estão ligados acima. Os números foram tomados nas datas indicadas e refletem o estado daqueles serviços então; serviços mudam. O Citoid é um projeto da Wikimedia, citado aqui apenas para identificar o serviço comparado. Correções via issue são acolhidas.
Утомительно не цитировать. Утомительно спустя недели восстанавливать, что вы читали, когда читали и кто это написал. Снимок несёт авторов, журнал, DOI, лицензию и время обращения на самом листе, а вложенная запись RIS отправляется прямо в Citavi, Zotero или EndNote.
Побеждает ли специально сделанный считыватель признанный? 2 августа 2026 года его сравнили с Citoid — сервисом Wikimedia на основе трансляторов Zotero — на 18 работах, выбранных случайно из OpenAlex. Случайная выборка здесь и есть суть: прежний список, собранный вручную, показывал равенство и льстил нам.
| 18 работ, случайная выборка | Этот считыватель | Citoid |
|---|---|---|
| Охват | 61 % | 61 % |
| Точность возвращённого | 100 % | 79 % |
| Ошибочные записи | 0 | 3 |
| Медиана на источник | 0,68 с | 1,92 с |
Если читать честно: охват одинаков. Разница в том, что возвращается. Citoid выдал «Redirect URL» в качестве заглавия работы, одно пустое заглавие и одно с приставкой «Article: ». Для списка литературы ошибочная запись хуже, чем никакой: она выглядит готовой и путешествует незамеченной. Исходные данные.
Два прогона спросили, что даёт настоящий список чтения. Из 20 источников, собранных для курсовой (4 августа 2026), 14 стали полными записями; 6 вернулись обратно — один за стеной, один недостижим, четыре страницы слишком скудны, чтобы вообще что-то объявить. Из 11 немецкоязычных платформ, которые студенты действительно цитируют (3 августа 2026), 5 вернулись полными, по 0,69 с на источник. Данные · данные.
Показательным пробелом оказались правовые источники. Регламенты ЕС и консолидированное австрийское право не объявляют ни автора, ни года — это не упущение, а другой род документа. Теперь они считаются отдельным типом источника, вместо того чтобы их втискивали в неподходящую форму.
Страницы правят, переносят и снимают, и мёртвая ссылка в списке литературы — ваша беда, а не издателя. Снимок сохраняет страницу одним непрерывным листом с датой обращения на нём — в том числе за входом, которым вы правомерно располагаете, потому что всё происходит в вашем браузере и ничего не выгружается.
Баннеры согласия — причина, по которой это сложнее, чем кажется: они часто блокируют прокрутку. На одном новостном сайте страница сообщила высоту 900 пикселей вместо 43 101 — снимок всей страницы молча сжался бы до одного экрана и выглядел бы удачным. Баннер скрывается на время съёмки, и каждое изменение затем возвращается. Ничего не нажимается от вашего имени: клик по «принять» — это решение от вашего имени, и он ставит cookie. Скрыть — не значит решить.
Языковые модели читают текст, а не пиксели. Снимок сохраняет собственный текстовый слой страницы, поэтому слова приходят словами — их можно искать, цитировать, и они целы через разрывы страниц. Там, где текстового слоя нет, распознавание должно его восстановить, и это измеримо.
1 августа 2026 года статья англоязычной Википедии была снята как непрерывный PDF без текстового слоя (700 × 11 008 pt) и прочитана Tesseract 5 при 150 dpi. Против текста той же статьи, взятого в тот же день из REST API Википедии — 10 285 слов — распознавание вернуло 92,6 % словаря и 73,9 % пятисловных последовательностей. Контрольный прогон, сверявший тот же вывод с посторонним словарём, дал 0,0 %: метод действительно различает, а не поощряет любой текст. Исходные данные.
Здесь единый лист себя оправдывает. Разрывы страниц режут предложения пополам, а модель, которой подали обрезанное предложение, дополнит его, вместо того чтобы сообщить о нём. У непрерывного листа нет швов, куда можно провалиться. Для агентов есть второй путь, минующий файл: точка MCP принимает URL и возвращает описание напрямую — см. рецепты.
Раскрытие: эти измерения провели мы сами на собственном инструменте; исходные данные и команды для повторения приведены выше. Цифры сняты в указанные дни и отражают тогдашнее состояние этих сервисов; сервисы меняются. Citoid — проект Wikimedia, назван здесь лишь для обозначения сравниваемого сервиса. Исправления через issue принимаются.
麻烦的不是引用本身，而是几周之后再去还原：你读了什么、什么时候读的、谁写的。 捕获会把作者、期刊、DOI、许可与获取时间写在页面本身上，随附的 RIS 记录可直接 导入 Citavi、Zotero 或 EndNote。
专门做的读取器能胜过成名的那个吗？2026 年 8 月 2 日，我们把它与 Citoid——基于 Zotero 转换器的 Wikimedia 服务——放在从 OpenAlex 随机抽取的 18 篇文献上比较。随机抽取是关键： 此前手工挑选的清单显示旗鼓相当，那是在讨好我们自己。
| 随机抽取的 18 篇 | 本读取器 | Citoid |
|---|---|---|
| 覆盖率 | 61 % | 61 % |
| 返回内容的准确率 | 100 % | 79 % |
| 错误记录 | 0 | 3 |
| 每条来源中位耗时 | 0.68 秒 | 1.92 秒 |
老实说：覆盖率是一样的。差别在于返回的是什么。Citoid 把 「Redirect URL」当作一篇文献的标题返回，还返回了一个空标题和一个前面多了 「Article: 」的标题。对参考文献表来说，错误记录比没有更糟：它看上去已经完成， 就这么不被察觉地流传下去。 原始数据。
另有两轮测试了真实的阅读清单。为一篇论文收集的 20 条来源中（2026 年 8 月 4 日）， 14 条成为完整记录，6 条被退回——1 条在墙后，1 条无法访问，4 条页面过于单薄， 根本没有声明任何信息。在学生真正会引用的 11 个德语平台上（2026 年 8 月 3 日）， 5 条完整返回，每条 0.69 秒。 数据· 数据。
最有启发的缺口是法律来源。欧盟条例和奥地利汇编法既不声明作者也不声明年份——这不是 疏漏，而是另一类文件。现在它们被当作独立的来源类型处理，而不再被硬塞进不合身的格式。
页面会被修改、迁移和下架，而参考文献里的死链是你的问题，不是出版方的问题。捕获把 页面存成一整张连续的页面，并写上获取日期——包括你有权访问的登录之后的内容，因为 一切都在你自己的浏览器里完成，不会上传到任何地方。
同意横幅正是这件事比看上去更难的原因：它们常常锁住滚动。在一个新闻网站上，页面 报告的高度是 900 像素，而不是 43,101 像素——整页捕获会悄悄缩成一屏，而且看起来 像是成功了。横幅只在捕获期间被隐藏，之后每一处改动都会还原。不会有人替你点掉它： 点击「接受」是以你的名义作出的决定，并会写入 Cookie。隐藏不等于决定。
语言模型读的是文字，不是像素。捕获保留页面自身的文本层，因此词是以词的形式抵达的 ——可检索、可引用，并且跨越分页依然完整。若文档没有文本层，就只能靠识别把它找回来， 而这是可以测量的。
2026 年 8 月 1 日，一篇英文维基百科条目被捕获为无文本层的连续 PDF（700 × 11,008 pt）， 用 Tesseract 5 以 150 dpi 识别。与当天从维基百科 REST API 取得的同一条目正文 ——10,285 个词——相比，识别找回了 92.6 % 的词汇量，五词短语为 73.9 %。对照组用同一份输出去比对无关词汇，结果为 0.0 %：这说明该方法确实在区分， 而不是对任何文字都给分。原始数据。
单页输出的价值在这里体现。分页会把句子拦腰截断，而拿到半截句子的模型会去补全它， 而不是指出问题。连续的一张页面没有可供跌落的接缝。对智能体还有第二条路，完全绕开 文件：MCP 端点接收一个网址，直接 返回著录信息——参见配方。
披露：这些测量由我们对自己的工具进行，原始数据与可复现的命令已在上文链接。数字于 文中所述日期取得，反映当时各服务的状态；服务会变化。Citoid 是 Wikimedia 的项目， 此处提及仅为标明所比较的服务。欢迎通过 issue 提出更正。