Hvorfor bliver ord delt med bindestreger efter konvertering af en PDF?

Hvor bindestregen kommer fra

Teaseringssoftware splittes lange ord ved linjeender for at holde den højre margin lige. I PDF er den opdeling fastfrosset: den første halvdel slutter en linje med en bindestreg, og den anden halvdel starter den næste. På en e-læser er linjerne forskellige, så bindestregen lander midt i en linje.

Nogle PDFs markerer den bindestreg som en blød, linjebrydningskun bindestreg; andre gemmer den som et almindeligt bindestreg-tegn, hvilket er grunden til, at enkle værktøjer ikke kan skelne mellem de to.

Hvordan EpubCC genforbinder dem

• Når PDF selv markerer bindestregen som en linjeafslutning, slutter de to dele sig sammen.
• Når en linje slutter med "-", og den næste linje starter med et lille bogstav, tilsluttes ordet også.
• En bindestreg efterfulgt af et stort bogstav eller et tal bevares, hvilket beskytter navne og intervaller.
• EPUB bliver derefter delt med bindestreg af e-læsere for at tilpasse sin egen linjelængde, hvis du slår bindestreger til.

Hvad kan stadig gå galt

A real compound broken exactly at its own hyphen at the end of a line ("state-" / "of-the-art") looks the same as a hyphenated word, so it can be joined as "stateof-the-art". The benchmark counts split and merged words per 1,000 for every engine, so you can see how often this happens on real documents.