EpubCCHvordan vet jeg om min PDF er skannet?
Oppdatert:
Åpne PDF og prøv å velge en setning eller søke etter et ord som du kan se på siden: hvis ingenting blir valgt eller funnet, er siden et bilde og PDF er skannet. Hvis du kan velge teksten, men den limes inn som uforståelig tekst, har PDF en skadet eller dårlig OCR tekstlag.
Fire raske sjekker
- Velg tekst: dra over en linje i hvilken som helst PDF-viser. En skannet side velges som ett blokk, eller ingenting.
- Søk: se etter et ord du kan se. Ingen treff på en skannet side uten OCR.
- Zoom inn mye: faktisk tekst forblir skarp uansett zoom; en skanning blir uskarp eller viser piksler og papir tekstur.
- Kopier og lim inn et avsnitt i en tekstbehandler: ren tekst betyr et brukbart tekstlag; manglende mellomrom, gale bokstaver eller symboler betyr et svakt OCR lag eller skrifter uten en Unicode-kart.
Blande PDF-filer
Noen PDF-er blander begge deler: en digital kropp med noen skannede sider (signaturer, gamle figurer, innlagte vedlegg), eller en skannet bok med et usynlig OCR-lag lagt til av biblioteket som digitaliserte den. Sjekk noen sider fra forskjellige deler av filen, ikke bare den første.
Hvorfor det betyr noe for konvertering til EPUB
En omformaterbar EPUB lages av tekst. En skannet side har ingen før OCR gjenkjenner den, og EPUB arver hver OCR feil. EpubCC leser skannede sider med OCR, gratis på PDF-er på opptil 10 sider og på Pro og Business utover det, og kvalitetsrapporten lister dem i stedet for å skjule dem. En skanning som allerede har et skjult tekstlag leses fra det laget, med hvilke feil det måtte ha.
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) |
|---|---|---|---|---|---|---|---|---|---|---|
| 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 |
Konverter din PDF gratis
Opptil 3 hele bøker om dagen gratis. Ingen konto nødvendig.