EpubCCHvordan konverterer jeg en to-kolonne PDF til EPUB?
Oppdatert:
Bruk en konverter som oppdager kolonnene før den slår sammen linjer til avsnitt, slik at venstre kolonne leses fra topp til bunn og deretter den høyre, i stedet for å lese hver linje rett over siden. EpubCC gjør dette ved å dele hver side langs de hvite mellomrommene mellom kolonnene før den gjenskaper teksten.
Fast layout vs. reflowable tekst
Hvorfor går to kolonner galt
En naiv konverter leser en side linje for linje fra venstre til høyre, så den limer den første linjen av venstre kolonne til den første linjen av høyre kolonne. Resultatet er setninger som veksler mellom to urelaterte tekster: den vanligste feilen på akademiske papirer, tidsskrifter og Federal Register.
Hvordan EpubCC leser kolonner
- Motoren finner kolonnene på hver side fra oppsettet og leser en til slutten før den går videre til neste.
- Et bredt rom inne i en enkelt linje, som "2.1 Title", blir ikke forvekslet med en kolonne.
- Løpende overskrifter og sidetall i margen er utelatt, så de aldri havner midt i et avsnitt som går fra en kolonne til den neste.
- Fotnoter nederst i en kolonne blir lenkede notater på slutten av kapitlet i stedet for å avbryte teksten.
- Bilder plassert som en del av regionen de befinner seg i, så de opprettholder leserekkefølgen.
- Et avsnitt som fortsetter fra bunnen av en kolonne til toppen av den neste blir satt sammen igjen når setningen fortsetter.
Sjekk resultatet
Oppsett som blander en- og to kolonner på samme side, bokser og notater er den vanskelige delen. Du kan konvertere din egen fil gratis og lese resultatet, og benchmarken inkluderer to-kolonne dokumenter og et tre-kolonne Federal Register-dokument målt for kontinuitet.
Bevis fra testen
| Motor | 8-gram tilbakekalling |
|---|---|
| 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 |
Fiks blandede kolonner.
Opptil 3 hele bøker om dagen gratis. Ingen konto nødvendig.