Waarom worden woorden gesplitst met streepjes na het converteren van een PDF?

Waar het koppelteken vandaan komt

Zetsoftware splits lange woorden aan de lijn eindes om de rechter marge even te houden. In de PDF is die split bevroren: de eerste helft eindigt één regel met een koppelteken en de tweede helft begint de volgende. Op een e-reader zijn de regels anders, waardoor het koppelteken in het midden van een regel komt.

Sommige PDFs markeren dat koppelteken als een zachte, alleen-regelbrekende koppelteken; anderen slaan het op als een gewone koppelteken, wat de reden is dat eenvoudige tools de twee niet van elkaar kunnen onderscheiden.

Hoe EpubCC ze weer samenvoegt

• Wanneer de PDF zelf de koppelteken als een lijn-einde koppelteken markeert, worden de twee helften samengevoegd.
• Wanneer een regel eindigt in "-" en de volgende regel begint met een kleine letter, wordt het woord ook samengevoegd.
• Een koppelteken gevolgd door een hoofdletter of een cijfer blijft behouden, wat namen en bereiken beschermt.
• De EPUB wordt dan opnieuw afgebroken door de e-reader voor zijn eigen regelafmeting, als je afbreking inschakelt.

Wat nog fout kan gaan

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.