EpubCCMůže naskenovaná PDF být přeuspořádaná EPUB?
Aktualizováno:
Naskenovaný PDF se může stát reflowovatelným EPUB poté, co OCR převede každý obraz stránky na text, a tento text obsahuje OCR chyby na nekvalitních nebo starých skenech. EpubCC provozuje OCR zdarma na naskenovaných PDF do 10 stran, na delších s Pro a Business plány, a tyto stránky vyjmenovává ve zprávě, abyste věděli, které zkontrolovat.
Co je skenovaný PDF
Každá stránka je fotografií papíru. Některé skeny obsahují skrytou OCR textovou vrstvu, což je důvod, proč můžete někdy vybírat text; jeho kvalita závisí na skenu a softwaru, který jej vytvořil.
Co náš benchmark ukazuje o skenech
Náš korpus zahrnuje tisk z roku 1867 „Alenčiných dobrodružství v říši divů“ skenovaný Univerzitou v Torontu. Každý nástroj byl měřen na existujícím vrstvě OCR, vůči jiné edici textu, takže skóre jsou pro všechny nízká a nejsou měřítkem OCR samotného.
Důkazy z benchmarku
| Stroj | 8-gramová recall |
|---|---|
| EpubCC engine (EPUB output) | 0.845 |
| EpubCC engine (plain text) | 0.829 |
| pdf_oxide · extract_text | 0.740 |
| pdf_oxide · to_plain_text (XY-cut) | 0.694 |
| pdf_oxide · Markdown | 0.692 |
| PDFium · text().all() | 0.756 |
| OpenDataLoader PDF (local mode) | 0.734 |
| pdftotext (Poppler) | 0.755 |
| Calibre · ebook-convert (EPUB output) | 0.726 |
| EpubCC engine (EPUB, same extractor as Calibre) | 0.845 |
| Dokument | EpubCC engine (EPUB output) | EpubCC engine (plain text) | pdf_oxide · extract_text | pdf_oxide · to_plain_text (XY-cut) | pdf_oxide · Markdown | PDFium · text().all() | OpenDataLoader PDF (local mode) | pdftotext (Poppler) | Calibre · ebook-convert (EPUB output) | EpubCC engine (EPUB, same extractor as Calibre) |
|---|---|---|---|---|---|---|---|---|---|---|
| Alice's Adventures in Wonderland, 1867 printing (scan, Internet Archive) | 0.579 | 0.544 | 0.632 | 0.639 | 0.524 | 0.651 | 0.625 | 0.156 | — | 0.579 |
Převést naskenovaný PDF
Až 3 celé knihy denně zdarma. Účet není potřebný.