EpubCCKuinka tiedän, onko PDF skannattu?
Päivitetty:
Avaa PDF ja yritä valita lause tai etsiä sana, jonka näet sivulla: jos mitään ei valita tai löydy, sivu on kuva ja PDF on skannattu. Jos voit valita tekstin, mutta se liitetään sekavana, PDF:lla on vaurioitunut tai huono OCR tekstikerros.
Neljä nopeaa tarkistusta
- Valitse teksti: vedä viivan yli missä tahansa PDF katselijassa. Skannattu sivu valitaan yhtenä lohkona, tai ei mitään.
- Haku: etsi sana, jonka näet. Ei osumaa skannatulla sivulla ilman OCR.
- Zoomaa paljon: oikea teksti pysyy terävänä missä tahansa zoomissa; skannaus muuttuu sumeaksi tai näyttää pikseleitä ja paperin tekstuuria.
- Kopioi ja liitä kappale tekstieditoriin: puhdas teksti tarkoittaa käyttökelpoista tekstikerrosta; puuttuvat välilyönnit, väärät kirjaimet tai symbolit tarkoittavat heikkoa OCR-kerrosta tai fontteja ilman Unicode-karttaa.
Sekoitettuja PDF:itä
Jotkut PDF:t sekoittavat molempia: digitaalinen runko muutamilla skannatuilla sivuilla (allekirjoitukset, vanhat kuvat, lisäykset), tai skannattu kirja, jossa on näkymätön OCR -kerros, joka on lisätty kirjaston toimesta, joka digitalisoi sen. Tarkista muutama sivu tiedoston eri osista, ei vain ensimmäisestä.
Miksi se on tärkeää muunnattaessa EPUB:hen
Uudelleenviritettävä EPUB koostuu tekstistä. Skannatussa sivussa ei ole mitään ennen kuin OCR tunnistaa sen, ja EPUB perii jokaisen OCR virheen. EpubCC lukee skannattuja sivuja OCR, ilmaiseksi enintään 10 sivun PDF-tiedostoissa ja Pro- ja Business-tasolla sen lisäksi, ja laaturaportti listaa ne sen sijaan, että ne piilotettaisiin. Skannaus, joka jo sisältää piilotetun tekstikerroksen, luetaan kyseisestä kerroksesta, mitä virheitä sillä onkin.
Todiste benchmarkista
| Moottori | 8-grammin muistaminen |
|---|---|
| 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 |
| Dokumentti | 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 |
Muuta oma PDF ilmaiseksi
Jopa 3 kokonaista kirjaa päivässä ilmaiseksi. Ei tarvita tiliä.