EpubCCWie weiß ich, ob mein PDF gescannt ist?
Aktualisiert:
Öffnen Sie die PDF und versuchen Sie, einen Satz auszuwählen oder nach einem Wort zu suchen, das Sie auf der Seite sehen können: wenn nichts ausgewählt oder gefunden wird, ist die Seite ein Bild und die PDF ist gescannt. Wenn Sie den Text auswählen können, er aber als nonsens eingefügt wird, hat die PDF eine beschädigte oder schlechte OCR Textschicht.
Vier schnelle Überprüfungen
- Text auswählen: Ziehen Sie über eine Zeile in einem beliebigen PDF-Viewer. Eine gescannte Seite wird als ein Block ausgewählt oder nichts.
- Suchen: nach einem sichtbaren Wort suchen. Kein Treffer auf einer gescannten Seite ohne OCR.
- Vergrößere stark: Echte Texte bleiben bei jeder Vergrößerung scharf; ein Scan wird unscharf oder zeigt Pixel und Papierstruktur.
- Kopieren Sie einen Absatz in einen Texteditor: reiner Text bedeutet eine nutzbare Textschicht; fehlende Leerzeichen, falsche Buchstaben oder Symbole bedeuten eine schwache OCR-Schicht oder Schriften ohne Unicode-Karten.
Gemischte PDFs
Einige PDFs mischen beides: einen digitalen Fließtext mit einigen gescannten Seiten (Signaturen, alte Figuren, eingefügte Anhänge) oder ein gescanntes Buch mit einer unsichtbaren OCR-Schicht, die von der Bibliothek, die es digitalisiert hat, hinzugefügt wurde. Überprüfen Sie einige Seiten aus verschiedenen Teilen der Datei, nicht nur die erste.
Warum es wichtig ist, in EPUB zu konvertieren
Ein umfließendes EPUB besteht aus Text. Eine gescannte Seite hat keinen, bis OCR sie erkennt, und das EPUB erbt jeden OCR-Fehler. EpubCC liest gescannte Seiten mit OCR, kostenlos bei PDFs von bis zu 10 Seiten und bei Pro und Business darüber hinaus, und der Qualitätsbericht listet sie auf, anstatt sie zu verbergen. Ein Scan, der bereits eine versteckte Textebene trägt, wird von dieser Ebene gelesen, mit welchen Fehlern auch immer.
Evidenz aus dem Benchmark
| Motor | 8-Gramm-Rückruf |
|---|---|
| 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) |
|---|---|---|---|---|---|---|---|---|---|---|
| Alice's Adventures in Wonderland, 1867 printing (scan, Internet Archive) | 0.579 | 0.544 | 0.632 | 0.639 | 0.524 | 0.651 | 0.625 | 0.156 | — | 0.579 |
Konvertiere dein PDF kostenlos
Bis zu 3 ganze Bücher pro Tag kostenlos. Kein Konto erforderlich.