Jak převést dvousloupcový PDF do EPUB?
Aktualizováno:
Použijte konvertor, který detekuje sloupce před tím, než spojí řádky do odstavců, takže levý sloupec je čten shora dolů a poté pravý, místo aby každý řádek četl rovně přes stránku. EpubCC to dělá rozdělením každé stránky podél bílých mezer mezi sloupci před obnovením textu.
Pevné rozložení vs. přizpůsobitelný text


Proč se dvě sloupce pokazí
Naivní převodník čte stránku řádek po řádku zleva doprava, takže spojuje první řádek levého sloupce s prvním řádkem pravého sloupce. Výsledkem jsou věty, které se střídají mezi dvěma nesouvisejícími texty: nejběžnější chyba v akademických článcích, časopisech a ve Federálním registru.
Jak EpubCC čte sloupce
- Stroj najde sloupce každé stránky z jejího rozložení a přečte jeden až do konce před následujícím.
- Široký prostor uvnitř jednoho řádku, jako je "2.1 Title", není omylem považován za sloupec.
- Běžné záhlaví a čísla stránek v okrajích jsou vynechána, takže se nikdy nedostanou do prostředka odstavce, který pokračuje z jednoho sloupce do druhého.
- Poznámky pod čarou na dně sloupce se místo přerušení textu stávají propojenými poznámkami na konci kapitoly.
- Obrázky jsou umístěny jako součást oblasti, ve které se nacházejí, takže zůstávají v pořadí čtení.
- Odstavec, který pokračuje zespodu jednoho sloupce na vrchol dalšího, je znovu spojen, když věta pokračuje.
Zkontrolujte výsledek
Rozvržení, která mixují jeden a dva sloupce na stejné stránce, boxy a poznámky na straně, jsou těžké. Můžete převést svůj vlastní soubor zdarma a přečíst si výsledek, a benchmark zahrnuje dvě sloupcové práce a dokument tří sloupcového Federálního úřadu měřený na kontinuitu.
Důkazy z benchmarku
| Stroj | 8-gramová recall |
|---|---|
| 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) |
|---|---|---|---|---|---|---|---|---|---|---|
| OLMo paper (arXiv 2402.00838) | 0.893 | 0.891 | 0.854 | 0.273 | 0.719 | 0.761 | 0.820 | 0.781 | 0.640 | 0.892 |
| Mistral 7B paper (arXiv 2310.06825) | 0.777 | 0.774 | 0.767 | 0.778 | 0.800 | 0.872 | 0.859 | 0.821 | 0.779 | 0.774 |
| Federal Register document 2026-22443 | 0.857 | 0.853 | 0.334 | 0.035 | 0.339 | 0.859 | 0.801 | 0.835 | 0.121 | 0.851 |
Opravit zamíchané sloupce.
Až 3 celé knihy denně zdarma. Účet není potřebný.