EpubCCΠώς μπορώ να ξέρω αν το PDF μου είναι σκαναρισμένο;
Ενημερωμένο:
Ανοίξτε το PDF και προσπαθήστε να επιλέξετε μια πρόταση ή να αναζητήσετε μια λέξη που μπορείτε να δείτε στην σελίδα: αν δεν επιλεγεί ή βρεθεί τίποτα, η σελίδα είναι μια εικόνα και η PDF έχει σαρωθεί. Αν μπορείτε να επιλέξετε το κείμενο αλλά κολλάει ως ακατανόητο, η PDF έχει κατεστραμμένο ή κακό OCR επίπεδο κειμένου.
Τέσσερις γρήγοροι έλεγχοι
- Επιλέξτε κείμενο: μεταφέρετε σε μια γραμμή σε οποιονδήποτε αναγνώστη PDF. Μια σαρωμένη σελίδα επιλέγεται ως ένα μπλοκ ή τίποτα.
- Αναζήτηση: Αναζητήστε μια λέξη που μπορείτε να δείτε. Δεν υπάρχει αντιστοίχιση σε μια σαρωμένη σελίδα χωρίς OCR.
- Μεγεθύνετε πολύ: το πραγματικό κείμενο παραμένει καθαρό σε οποιαδήποτε μεγέθυνση, ενώ μια σάρωση γίνεται θολή ή δείχνει πίξελ και υφή χαρτιού.
- Αντιγράψτε και επικολλήστε μια παράγραφο σε έναν επεξεργαστή κειμένου: καθαρό κείμενο σημαίνει μια χρήσιμη στιβάδα κειμένου; Οι ελλείπουσες κενές θέσεις, τα λάθος γράμματα ή σύμβολα σημαίνουν μια αδύναμη στιβάδα OCR ή γραμματοσειρές χωρίς χάρτη Unicode.
Μικτά PDFs
Ορισμένα PDF συνδυάζουν και τα δύο: ένα ψηφιακό κείμενο με μερικές σαρωμένες σελίδες (υπογραφές, παλιές εικόνες, εισαχθείσες προσθήκες), ή ένα σαρωμένο βιβλίο με μια αόρατη OCR στρώση που προστέθηκε από τη βιβλιοθήκη που το ψηφιοποίησε. Ελέγξτε μερικές σελίδες από διάφορα μέρη του αρχείου, όχι μόνο την πρώτη.
Γιατί έχει σημασία για τη μετατροπή σε EPUB
Ένα αναγνώσιμο EPUB δημιουργείται από κείμενο. Μια σκαναρισμένη σελίδα δεν έχει καμία μέχρι να την αναγνωρίσει OCR, και το EPUB κληρονομεί κάθε OCR λάθος. Το EpubCC διαβάζει σκαναρισμένες σελίδες με OCR, δωρεάν σε PDFs έως 10 σελίδες και σε Pro και Business πέρα από αυτό, και η αναφορά ποιότητας τις καταγράφει αντί να τις κρύβει. Ένα σκανάρισμα που ήδη έχει ένα κρυφό επίπεδο κειμένου διαβάζεται από αυτό το επίπεδο, με όποια σφάλματα έχει.
Αποδείξεις από το benchmark
| Μηχανή | 8-γραμμα ανάκληση |
|---|---|
| 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 |
| Έγγραφο | 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 |
Μετατροπή του PDF δωρεάν
Έως 3 ολόκληρα βιβλία την ημέρα δωρεάν. Δεν απαιτείται λογαριασμός.