EpubCCΠώς μπορώ να μετατρέψω ένα έγγραφο δύο στηλών PDF σε EPUB;
Ενημερωμένο:
Χρησιμοποιήστε έναν μετατροπέα που ανιχνεύει τις στήλες πριν ενώσει τις γραμμές σε παραγράφους, ώστε η αριστερή στήλη να διαβάζεται από πάνω προς τα κάτω και στη συνέχεια η δεξιά, αντί να διαβάζεται κάθε γραμμή ευθύγραμμα παράλληλα στη σελίδα. Το EpubCC το κάνει αυτό χωρίζοντας κάθε σελίδα κατά τις λευκές κενές διαδρομές μεταξύ των στηλών πριν ξαναχτίσει το κείμενο.
Σταθερή διάταξη vs. επαναλαμβανόμενο κείμενο
Γιατί οι δύο στήλες πάνε στραβά
Ένας απλός μετατροπέας διαβάζει μια σελίδα γραμμή προς γραμμή από αριστερά προς τα δεξιά, οπότε κολλάει την πρώτη γραμμή της αριστερής στήλης στην πρώτη γραμμή της δεξιάς στήλης. Το αποτέλεσμα είναι προτάσεις που εναλλάσσονται μεταξύ δύο άσχετων κειμένων: η πιο συνηθισμένη αποτυχία σε ακαδημαϊκά έργα, περιοδικά και το Ομοσπονδιακό Μητρώο.
Πώς EpubCC διαβάζει στήλες
- Ο κινητήρας βρίσκει τις στήλες κάθε σελίδας από τη διάταξή της και διαβάζει μία μέχρι το τέλος πριν από την επόμενη.
- Ένας ευρύς χώρος μέσα σε μία γραμμή, όπως "2.1 Title", δεν συγχέεται με μια στήλη.
- Οι τρέχουσες κεφαλίδες και οι αριθμοί σελίδων που είναι στο περιθώριο παραλείπονται, ώστε να μην βρεθούν ποτέ στη μέση μιας παραγράφου που τρέχει από μια στήλη στην επόμενη.
- Υποσημειώσεις στο κάτω μέρος μιας στήλης γίνονται συνδεδεμένες σημειώσεις στο τέλος του κεφαλαίου αντί να διακόπτουν το κείμενο.
- Οι εικόνες τοποθετούνται ως μέρος της περιοχής στην οποία βρίσκονται, έτσι ώστε να διατηρούν τη σειρά ανάγνωσης.
- Μια παράγραφος που συνεχίζεται από το κάτω μέρος μιας στήλης στην κορυφή της επόμενης ενώνεται ξανά όταν η πρόταση συνεχίζεται.
Ελέγξτε το αποτέλεσμα
Διατάξεις που συνδυάζουν μία και δύο στήλες στην ίδια σελίδα, κουτιά και παρατηρήσεις είναι το δύσκολο κομμάτι. Μπορείτε να μετατρέψετε το δικό σας αρχείο δωρεάν και να διαβάσετε το αποτέλεσμα, και η αναφορά περιλαμβάνει διπλωματικές εργασίες και ένα έγγραφο τριών στηλών του Federal Register που μετρήθηκε για συνέχεια.
Αποδείξεις από το benchmark
| Μηχανή | 8-γραμμα ανάκληση |
|---|---|
| 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 |
| Έγγραφο | 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 |
Διορθώστε τις ανακατεμένες στήλες.
Έως 3 ολόκληρα βιβλία την ημέρα δωρεάν. Δεν απαιτείται λογαριασμός.