EpubCCHur vet jag om min PDF är skannad?
Uppdaterad:
Öppna PDF och försök att välja en mening eller söka efter ett ord som du kan se på sidan: om inget blir valt eller hittat är sidan en bild och PDF är skannad. Om du kan välja texten men den klistras in som nonsens, har PDF ett skadat eller dåligt OCR textlager.
Fyra snabba kontroller
- Markera text: dra över en rad i vilken PDF-visare som helst. En skannad sida väljs som ett block, eller inget.
- Sök: leta efter ett ord du kan se. Ingen träff på en skannad sida utan OCR.
- Zooma in mycket: riktig text förblir skarp vid vilken zoom som helst; en skanning blir suddig eller visar pixlar och pappersstruktur.
- Kopiera och klistra in ett stycke i en textredigerare: ren text betyder ett användbart textlager; saknade mellanslag, fel bokstäver eller symboler betyder ett svagt OCR-lager eller typsnitt utan en Unicode-karta.
Blandade PDF:er
Vissa PDF-filer blandar båda: en digital kropp med några skannade sidor (signaturer, gamla figurer, insatta bilagor), eller en skannad bok med ett osynligt OCR-lager tillagt av biblioteket som digitaliserade den. Kontrollera några sidor från olika delar av filen, inte bara den första.
Varför det spelar roll för konvertering till EPUB
En omformaterbar EPUB görs av text. En skannad sida har ingen förrän OCR känner igen den, och EPUB ärver varje OCR misstag. EpubCC läser skannade sidor med OCR, gratis på PDF:er med upp till 10 sidor och på Pro och Business därutöver, och kvalitetsrapporten listar dem istället för att dölja dem. En skanning som redan har ett dolt textlager läses från det lagret, med de fel som det har.
Bevis från benchmarken
| Motor | 8-gram återkallande |
|---|---|
| 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 |
Konvertera din PDF gratis
Upp till 3 hela böcker per dag gratis. Inget konto behövs.