Hoe converteer ik een tweekoloms PDF naar EPUB?
Bijgewerkt:
Gebruik een converter die de kolommen detecteert voordat hij regels in paragrafen samenvoegt, zodat de linkerkolom van boven naar beneden wordt gelezen en dan de rechter, in plaats van dat elke regel recht over de pagina wordt gelezen. EpubCC doet dit door elke pagina langs de witte ruimtes tussen de kolommen te splitsen voordat de tekst opnieuw wordt opgebouwd.
Vast lay-out vs. herflowbare tekst


Waarom twee kolommen fout gaan
Een naïeve converter leest een pagina regel voor regel van links naar rechts, waardoor de eerste regel van de linker kolom aan de eerste regel van de rechter kolom wordt geplakt. Het resultaat zijn zinnen die afwisselen tussen twee ongepaste teksten: de meest voorkomende fout bij academische papers, tijdschriften en het Federal Register.
Hoe EpubCC kolommen leest
- De engine vindt de kolommen van elke pagina op basis van de lay-out en leest er één tot het einde voordat de volgende begint.
- Een brede ruimte binnen een enkele regel, zoals "2.1 Title", wordt niet verward met een kolom.
- Looptitels en paginanummers in de marges worden weggelaten, zodat ze nooit midden in een paragraaf komen die van de ene kolom naar de andere loopt.
- Voetnoten onder aan een kolom worden gekoppelde notities aan het einde van het hoofdstuk in plaats van de tekst te onderbreken.
- Afbeeldingen worden geplaatst als onderdeel van het gebied waarin ze zich bevinden, zodat ze in leesvolgorde blijven.
- Een alinea die doorloopt van de onderkant van de ene kolom naar de bovenkant van de volgende wordt weer verbonden wanneer de zin verdergaat.
Controleer het resultaat
Indelingen die één en twee kolommen op dezelfde pagina mengen, vakken en zijnotities zijn het moeilijke deel. Je kunt je eigen bestand gratis converteren en het resultaat lezen, en de benchmark omvat twee-koloms papers en een drie-koloms Federal Register-document dat is gemeten op continuïteit.
Bewijs van de benchmark
| Motor | 8-gram herinnering |
|---|---|
| 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 |
| Document | 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 |
Herstel door elkaar gehaald kolommen
Tot 3 hele boeken per dag gratis. Geen account nodig.