EpubCCVoiko skannattu PDF muuttua virtaavaksi EPUB:ksi?
Päivitetty:
Skannattu PDF voi muuttua uudelleenviritettäväksi EPUB:ksi, kun OCR muuttaa jokaisen sivukuvan tekstiksi, ja tämä teksti sisältää OCR virheitä huonoissa tai vanhoissa skannaussa. EpubCC käyttää OCR ilmaiseksi skannatuissa PDF-tiedostoissa, joissa on enintään 10 sivua, pidemmissä Pro- ja Business-suunnitelmalla, ja listaa nämä sivut raporttiin, jotta tiedät, mitkä tarkistaa.
Mitä skannattu PDF on
Jokainen sivu on valokuva paperista. Jotkin skannaukset sisältävät piilotetun OCR tekstikerroksen, josta syystä voit joskus valita tekstiä niissä; sen laatu riippuu skannauksesta ja ohjelmistosta, joka sen teki.
Mitä vertailumme näyttää skannauksista
Korpuksemme sisältää vuonna 1867 painetun Alice's Adventures in Wonderland -teoksen, jonka on skannannut Toronto yliopisto. Jokainen moottori mitattiin sen olemassa olevan OCR-kerroksen mukaan eri tekstiversiota vasten, joten pisteet ovat alhaiset kaikille eivätkä ole mitta OCR:stä itsestään.
Todiste benchmarkista
| Moottori | 8-grammin muistaminen |
|---|---|
| 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 |
| Dokumentti | 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 |
Muunna skannattu PDF
Jopa 3 kokonaista kirjaa päivässä ilmaiseksi. Ei tarvita tiliä.