EpubCCKan en skannet PDF bli en flytende EPUB?
Oppdatert:
En skannet PDF kan bli en omformaterbar EPUB når OCR gjør hvert sidebilde om til tekst, og den teksten har OCR feil på dårlige eller gamle skanninger. EpubCC kjører OCR gratis på skannede PDF-er på opptil 10 sider, på lengre med sine Pro og Business planer, og lister de sidene i rapporten, så du vet hvilke du må sjekke.
Hva en skannet PDF er
Hver side er et fotografi av papir. Noen skanninger inkluderer et skjult OCR tekstlag, som er grunnen til at du noen ganger kan velge tekst i dem; kvaliteten avhenger av skanningen og programvaren som laget det.
Hva vår referanse viser om skanninger
Vårt korpus inkluderer en trykking fra 1867 av Alice's Adventures in Wonderland skannet av Universitetet i Toronto. Hver motor ble målt på sitt eksisterende OCR lag, mot en annen utgave av teksten, så poengene er lave for alle og er ikke et mål på OCR i seg selv.
Bevis fra testen
| Motor | 8-gram tilbakekalling |
|---|---|
| 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 et skannet PDF
Opptil 3 hele bøker om dagen gratis. Ingen konto nødvendig.