EpubCCKan en skannad PDF bli en omformaterbar EPUB?
Uppdaterad:
En skannad PDF kan bli en omformaterbar EPUB när OCR omvandlar varje sida bild till text, och den texten bär OCR fel på dåliga eller gamla skanningar. EpubCC kör OCR gratis på skannade PDF:er med upp till 10 sidor, på längre med sina Pro och Business-planer, och listar dessa sidor i rapporten, så att du vet vilka du ska kontrollera.
Vad en scannad PDF är
Varje sida är en fotografi av papper. Vissa skanningar inkluderar ett dolt OCR textlager, vilket är varför du ibland kan välja text i dem; dess kvalitet beror på skanningen och mjukvaran som skapade den.
Vad våra benchmark visar om skanningar
Vår korpus inkluderar en tryckning från 1867 av Alice's Adventures in Wonderland som skannats av University of Toronto. Varje motor mättes på sin befintliga OCR-lager, mot en annan utgåva av texten, så poängen är låga för alla och är inte ett mått på OCR själv.
Bevis från benchmarken
| Motor | 8-gram återkallande |
|---|---|
| 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 |
Konvertera en skannad PDF
Upp till 3 hela böcker per dag gratis. Inget konto behövs.