EpubCCNeden bir PDF dönüştürüldükten sonra kelimeler tirelerle bölünüyor?
Güncellendi:
Kelime, "conver- sion" olarak bölünmüş olarak çıkıyor çünkü PDF, bir basılı satırın sonundaki kelimeleri tire ile böldü ve dönüştürücü satır kesintisini ve tireyi olduğu gibi kopyaladı. Bir dönüştürücü, gerçek tireli bileşenleri (örneğin, "well-known") sağlam tutarken o kelimeleri yeniden birleştirmek zorundadır.
PDF dosyanızı ücretsiz indirin ve bölümlerini, paragraflarını ve notlarını kontrol edin.
Sabit düzen ile akışkan metin karşılaştırması
Nereden tire geliyor
Yazım yazılımları uzun kelimeleri satır sonlarında bölerek sağ kenarı eşit tutar. PDF'deki bu bölünme dondurulmuştur: ilk yarı bir satırı tire ile bitirir ve ikinci yarı bir sonraki satıra başlar. Bir e-okuyucuda satırlar farklıdır, bu nedenle tire bir satırın ortasına gelir.
Bazı PDF'ler bu tireyi yumuşak, yalnızca satır kesimi olarak gösterirken; diğerleri bunu sıradan bir tire karakteri olarak saklar, bu nedenle basit araçlar ikisini ayırt edemez.
EpubCC onları nasıl yeniden birleştirir
- PDF, tireyi bir satır sonu tire olarak işaretlediğinde, iki yarı birleştirilir.
- Bir satır "-" ile bittiğinde ve bir sonraki satır küçük harfle başlarsa, kelimenin de birleştirilir.
- Bir tire, büyük bir harf veya sayı ile takip edildiğinde korunur, bu da isimleri ve aralıkları korur.
- EPUB kelimeleri, e-okuyucu için kendi satır uzunluğu gereği tekrar hecelendirir, eğer hecelendirmeyi açarsanız.
Hala ne yanlış gidebilir
Kendine ait tire ile bir satırın sonundaki bir gerçekte bileşik kelime ("state-" / "of-the-art") ile tireli bir kelime aynı görünür, bu nedenle "stateof-the-art" olarak birleştirilebilir. Ölçüm aracı, her motor için 1,000'de bölünmüş ve birleştirilmiş kelimeleri sayar, böylece bunun gerçek belgelerde ne sıklıkla olduğunu görebilirsiniz.
Karşılaştırma kanıtı
| Motor | Kelime Ayır / 1,000 |
|---|---|
| EpubCC engine (EPUB output) | 0.789 |
| EpubCC engine (plain text) | 1.818 |
| pdf_oxide · extract_text | 1.464 |
| pdf_oxide · to_plain_text (XY-cut) | 1.760 |
| pdf_oxide · Markdown | 3.638 |
| PDFium · text().all() | 2.879 |
| OpenDataLoader PDF (local mode) | 0.373 |
| pdftotext (Poppler) | 1.040 |
| Calibre · ebook-convert (EPUB output) | 2.629 |
| EpubCC engine (EPUB, same extractor as Calibre) | 0.789 |
Kırık paragrafları ve kelimeleri düzelt.
Günde 3 tam kitap ücretsizdir. Hesap gerekmez.