EpubCCJak sprawdzić, czy mój PDF jest skanowany?
Zaktualizowane:
Otwórz PDF i spróbuj wybrać zdanie lub wyszukać słowo, które widzisz na stronie: jeśli nic nie zostanie wybrane ani znalezione, strona jest obrazem, a PDF jest skanowany. Jeśli możesz wybrać tekst, ale wkleja się jako bełkot, warstwa tekstowa PDF jest uszkodzona lub małą jakość OCR.
Cztery szybkie kontrole
- Wybierz tekst: przeciągnij wzdłuż linii w dowolnym PDF czytniku. Skanowana strona wybiera się jako blok, lub nic.
- Szukaj: szukaj słowa, które możesz zobaczyć. Brak dopasowania na zeskanowanej stronie bez OCR.
- Powiększ bardzo dużo: prawdziwy tekst pozostaje ostry przy dowolnym powiększeniu; skan staje się rozmazany lub pokazuje piksele i teksturę papieru.
- Skopiuj i wklej akapit do edytora tekstu: czysty tekst oznacza użyteczną warstwę tekstową; brakujące spacje, błędne litery lub symbole oznaczają słabą warstwę OCR lub czcionki bez mapy Unicode.
Mieszane PDF-y
Niektóre PDF-y mieszają obie wersje: cyfrowe ciało z kilkoma zeskanowanymi stronami (podpisy, stare figury, wstawione aneksy), lub zeskanowaną książkę z niewidzialną warstwą OCR dodaną przez bibliotekę, która ją zdigitalizowała. Sprawdź kilka stron z różnych części pliku, a nie tylko pierwszą.
Dlaczego ma to znaczenie dla konwersji do EPUB
Reflowowalny EPUB powstaje z tekstu. Skanowana strona nie ma go, dopóki OCR jej nie rozpozna, a EPUB dziedziczy każdy błąd OCR. EpubCC odczytuje skanowane strony z OCR, za darmo na PDF-ach do 10 stron i w Pro oraz Business powyżej tego, a raport jakości wymienia je zamiast je ukrywać. Skan, który już zawiera ukrytą warstwę tekstową, jest odczytywany z tej warstwy, z wszelkimi popełnionymi błędami.
Dowody z benchmarku
| Silnik | Przywołanie 8-gramowe |
|---|---|
| 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 |
Przekonwertuj swoje PDF za darmo
Do 3 całych książek dziennie za darmo. Nie potrzeba konta.