EpubCCKan en scannet PDF blive en flydende EPUB?
Opdateret:
En scannet PDF kan blive en reflowable EPUB, når OCR omdanner hvert sidebillede til tekst, og den tekst bærer OCR fejl på dårlige eller gamle scans. EpubCC kører OCR gratis på scannede PDF'er op til 10 sider, på længere dem med sine Pro- og Business-planer, og opregner de sider i rapporten, så du ved, hvilke du skal tjekke.
Hvad en scannet PDF er
Hver side er et fotografi af papir. Nogle scanninger inkluderer et skjult OCR tekstlag, hvilket er grunden til, at du sommetider kan vælge tekst i dem; dens kvalitet afhænger af scanningen og softwaren, der har lavet den.
Hvad vores benchmark viser om scanninger
Vores korpus inkluderer en 1867 trykning af Alice's Adventures in Wonderland scannet af University of Toronto. Hver motor blev målt på sit eksisterende OCR lag, mod en anden udgave af teksten, så resultaterne er lave for alle, og er ikke et mål for OCR i sig selv.
Bevis fra benchmark
| Motor | 8-gram tilbagekaldelse |
|---|---|
| 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 |
Konverter en scannet PDF
Op til 3 hele bøger om dagen gratis. Ingen konto nødvendig.