EpubCCUm PDF escaneado pode se tornar um EPUB reflowable?
Atualizado:
Um PDF digitalizado pode se tornar um EPUB reflowable uma vez que OCR transforma cada imagem da página em texto, e esse texto contém erros de OCR em digitalizações ruins ou antigas. EpubCC executa OCR gratuitamente em PDFs digitalizados de até 10 páginas, em documentos mais longos com seus planos Pro e Business, e lista essas páginas no relatório, para que você saiba quais verificar.
O que um PDF escaneado é
Cada página é uma fotografia de papel. Algumas digitalizações incluem uma camada de texto oculta OCR, que é o motivo pelo qual você pode às vezes selecionar texto nelas; sua qualidade depende da digitalização e do software que a criou.
O que nosso benchmark mostra sobre digitalizações
Nosso corpus inclui uma impressão de 1867 de As Aventuras de Alice no País das Maravilhas digitalizada pela Universidade de Toronto. Cada mecanismo foi medido em sua camada OCR existente, contra uma edição diferente do texto, então as pontuações são baixas para todos e não são uma medida de OCR em si.
Evidência do benchmark
| Motor | Recuperação de 8-grama |
|---|---|
| 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 |
| Documento | 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 |
Converter um PDF digitalizado
Até 3 livros inteiros por dia gratuitos. Conta não necessária.