EpubCCHur konverterar jag en två-kolumns PDF till EPUB?
Uppdaterad:
Använd en konverterare som upptäcker kolumnerna innan den sammanfogar rader till stycken, så att den vänstra kolumnen läses uppifrån och ner och sedan den högra, istället för att läsa varje rad rakt över sidan. EpubCC gör detta genom att dela varje sida längs de vita mellanrummen mellan kolumner innan den återskapar texten.
Fast layout vs. omskrivbar text
Varför går två kolumner fel
En naiv konverterare läser en sida rad för rad från vänster till höger, så att den limmar ihop den första raden av vänster kolumn med den första raden av höger kolumn. Resultatet är meningar som växlar mellan två orelaterade texter: det vanligaste felet i akademiska uppsatser, tidskrifter och Federal Register.
Hur EpubCC läser kolumner
- Motorn hittar kolumnerna på varje sida utifrån sin layout och läser en till slutet innan nästa.
- Ett brett utrymme inuti en enskild rad, såsom "2.1 Title", förväxlas inte med en kolumn.
- Körande rubriker och sidnummer i marginalerna utelämnas, så att de aldrig hamnar mitt i ett stycke som sträcker sig från en kolumn till nästa.
- Fotnoter längst ner i en kolumn blir länkade anteckningar i slutet av kapitlet istället för att avbryta texten.
- Bilder placeras som en del av regionen de sitter i, så de hålls i läsordning.
- Ett stycke som fortsätter från botten av en kolumn till toppen av nästa förenas igen när meningen fortsätter.
Kontrollera resultatet
Layouter som blandar en och två kolumner på samma sida, lådor och sidonoter är den svåra delen. Du kan konvertera din egen fil gratis och läsa resultatet, och benchmarken inkluderar två-kolumners artiklar och ett tre-kolumners Federal Register-dokument som mätts för kontinuitet.
Bevis från benchmarken
| Motor | 8-gram återkallande |
|---|---|
| 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 |
Fixera förväxlade kolumner.
Upp till 3 hela böcker per dag gratis. Inget konto behövs.