EpubCCWie konvertiere ich eine zweispaltige PDF zu EPUB?
Aktualisiert:
Verwenden Sie einen Konverter, der die Spalten erkennt, bevor er Zeilen in Absätze zusammenfügt, damit die linke Spalte von oben nach unten und dann die rechte gelesen wird, anstatt jede Zeile gerade über die Seite zu lesen. EpubCC erledigt dies, indem es jede Seite entlang der weißen Lücken zwischen den Spalten teilt, bevor der Text neu aufgebaut wird.
Festes Layout vs. umfließender Text
Warum zwei Spalten falsch sind
Ein naiver Konverter liest eine Seite Zeile für Zeile von links nach rechts, sodass er die erste Zeile der linken Spalte an die erste Zeile der rechten Spalte anheftet. Das Ergebnis sind Sätze, die zwischen zwei unrelated Texten wechseln: das häufigste Versagen bei wissenschaftlichen Arbeiten, Zeitschriften und dem Federal Register.
Wie EpubCC Spalten liest
- Die Engine findet die Spalten jeder Seite aus ihrem Layout und liest eine bis zum Ende, bevor die nächste gelesen wird.
- Ein breiter Raum innerhalb einer einzigen Zeile, wie "2.1 Title", wird nicht mit einer Spalte verwechselt.
- Laufende Kopfzeilen und Seitennummern in den Margen werden weggelassen, sodass sie nie mitten in einem Absatz landen, der von einer Spalte in die nächste übergeht.
- Fußnoten am Ende einer Spalte werden zu verlinkten Notizen am Ende des Kapitels, anstatt den Text zu unterbrechen.
- Bilder werden als Teil des Bereichs platziert, in dem sie sich befinden, sodass sie in der Lesereihenfolge bleiben.
- Ein Absatz, der von unten einer Spalte nach oben zur nächsten fortgeführt wird, wird wieder verbunden, wenn der Satz fortgeführt wird.
Überprüfen Sie das Ergebnis
Layouts, die ein und zwei Spalten auf derselben Seite mischen, Kästen und Fußnoten sind der schwierige Teil. Sie können Ihre eigene Datei kostenlos konvertieren und das Ergebnis lesen, und der Benchmark umfasst zweispaltige Papiere und ein dreispaltiges Federal Register-Dokument, das auf Kontinuität gemessen wurde.
Evidenz aus dem Benchmark
| Motor | 8-Gramm-Rückruf |
|---|---|
| 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 |
Repariere durcheinander gebrachte Spalten.
Bis zu 3 ganze Bücher pro Tag kostenlos. Kein Konto erforderlich.