EpubCCPoate un PDF scanat să devină un EPUB reflowabil?
Actualizat:
O PDF scanată poate deveni un EPUB reflowabil odată ce OCR transformă fiecare imagine de pagină în text, iar acel text poartă OCR erori pe scanări slabe sau vechi. EpubCC rulează OCR gratuit pentru PDF-uri scanate de până la 10 pagini, pe cele mai lungi cu planurile sale Pro și Business, și listează acele pagini în raport, astfel încât să știi care să verifici.
Ce este un PDF scanat
Fiecare pagină este o fotografie a unei foi de hârtie. Unele scanări includ un strat de text OCR ascuns, motiv pentru care uneori poți selecta text în ele; calitatea sa depinde de scanare și de software-ul care l-a realizat.
Ce arată benchmark-ul nostru despre scanări?
Corpusul nostru include o tipărire din 1867 a Aventurilor lui Alice în Țara Minunilor scanată de Universitatea din Toronto. Fiecare motor a fost măsurat pe stratul său existent OCR, în raport cu o ediție diferită a textului, astfel încât scorurile sunt scăzute pentru toată lumea și nu sunt o măsură a OCR în sine.
Dovadă din evaluare
| Motor | recall 8-gram |
|---|---|
| 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 |
| Document | 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 |
Convertiți un PDF scanat
Până la 3 cărți complete pe zi gratuite. Nu este necesar un cont.