¿Cómo convierto un PDF de dos columnas a EPUB?
Actualizado:
Usa un conversor que detecte las columnas antes de unir líneas en párrafos, así la columna izquierda se lee de arriba a abajo y luego la derecha, en lugar de leer cada línea de un lado a otro de la página. EpubCC hace esto dividiendo cada página a lo largo de los espacios en blanco entre columnas antes de reconstruir el texto.
Diseño fijo vs. texto refluible


Por qué dos columnas están mal
Un convertidor ingenuo lee una página línea por línea de izquierda a derecha, por lo que pega la primera línea de la columna izquierda con la primera línea de la columna derecha. El resultado son oraciones que alternan entre dos textos no relacionados: el fallo más común en trabajos académicos, revistas y el Registro Federal.
Cómo EpubCC lee columnas
- El motor encuentra las columnas de cada página a partir de su diseño y lee una hasta el final antes de la siguiente.
- Un espacio amplio dentro de una sola línea, como "2.1 Title", no se confunde con una columna.
- Los encabezados en ejecución y los números de página en los márgenes se omiten, por lo que nunca caen en medio de un párrafo que se extiende de una columna a la siguiente.
- Las notas al pie en la parte inferior de una columna se convierten en notas vinculadas al final del capítulo en lugar de interrumpir el texto.
- Las imágenes se colocan como parte de la región en la que están, por lo que permanecen en el orden de lectura.
- Un párrafo que continúa desde la parte inferior de una columna hasta la parte superior de la siguiente se une nuevamente cuando la oración continúa.
Verifica el resultado
Los diseños que combinan una y dos columnas en la misma página, cuadros y notas al margen son la parte difícil. Puede convertir su propio archivo gratis y leer el resultado, y la referencia incluye documentos de dos columnas y un documento del Registro Federal de tres columnas medidos por continuidad.
Evidencia del benchmark
| Motor | recuperación de 8-gramas |
|---|---|
| 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 |
| Documento | 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 |
Corrige columnas mezcladas.
Hasta 3 libros completos al día gratis. No se necesita cuenta.