Hvordan konverterer jeg en to-kolonne PDF til EPUB?
Opdateret:
Brug en konverter, der opdager kolonnerne, før den sammenføjer linjer til afsnit, så den venstre kolonne læses top til bund og derefter den højre, i stedet for at læse hver linje tværs over siden. EpubCC gør dette ved at splitte hver side langs de hvide mellemrum mellem kolonnerne, før den genskaber teksten.
Fast layout vs. reflowable tekst


Hvorfor går to kolonner galt?
En naiv konverter læser en side linje for linje fra venstre mod højre, så den klistrer den første linje af venstre kolonne til den første linje af højre kolonne. Resultatet er sætninger, der veksler mellem to ikke-relaterede tekster: den mest almindelige fejl i akademiske dokumenter, tidsskrifter og den Føderale Registrering.
Hvordan EpubCC læser kolonner
- Motoren finder kolonnerne på hver side fra layoutet og læser én til slutningen før den næste.
- Et bredt mellemrum inden for en enkelt linje, såsom "2.1 Title", bliver ikke fejltolket som en kolonne.
- Kørende overskrifter og sidetal i margenerne udelades, så de aldrig lander midt i et afsnit, der løber fra en kolonne til den næste.
- Fodnoter nederst i en kolonne bliver linkede noter i slutningen af kapitlet i stedet for at afbryde teksten.
- Billeder placeres som en del af den region, de sidder i, så de forbliver i læseorden.
- Et afsnit, der fortsætter fra bunden af en kolonne til toppen af den næste, samles igen, når sætningen fortsætter.
Kontroller resultatet
Layouts, der blander en og to kolonner på samme side, bokse og sidebemærkninger, er den svære del. Du kan konvertere din egen fil gratis og læse resultatet, og benchmarken inkluderer to-kolonne papir og et tre-kolonne Federal Register dokument målt for kontinuitet.
Bevis fra benchmark
| Motor | 8-gram tilbagekaldelse |
|---|---|
| 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 |
Reparer blandede kolonner
Op til 3 hele bøger om dagen gratis. Ingen konto nødvendig.