EpubCCWarum zeigt mein EPUB Seitenzahlen in der Mitte des Textes an?
Aktualisiert:
Ihr EPUB zeigt Seitennummern mitten in Sätzen an, weil der Konverter das Seitenmobiliar (Seitennummern, laufende Überschriften und Fußzeilen) des PDF kopiert hat, als ob es Teil des Textes wäre. Die Lösung ist ein Konverter, der wiederholten Text oben oder unten auf den Seiten erkennt und ihn entfernt, bevor die Absätze zusammengeführt werden.
Festes Layout vs. umfließender Text
Warum es passiert
In einem PDF sind die Seitenzahl und die laufende Kopfzeile ("Chapter 3", der Titel des Buches, der Name des Autors) normaler Text, der wie alles andere auf die Seite gezeichnet wird. Ein Konverter, der den Text in Reihenfolge liest, fügt "47 THE TITLE OF THE BOOK" zwischen die letzte Zeile einer Seite und die erste Zeile der nächsten ein, was oft mitten in einem Satz geschieht.
Wie EpubCC es entfernt
- Kurze Blöcke in den oberen oder unteren 12 % der Seite, die auf mindestens 3 Seiten wiederholt werden, werden als Ränder behandelt und entfernt, wobei Ziffern und römische Zahlen normalisiert werden, sodass "47" und "48" als dieselbe Überschrift zählen.
- Ein Block, der nur eine Seitenzahl enthält, wird ebenfalls entfernt.
- Für eine kurze Vorschau liest die Engine auch bis zu 4 benachbarte Seiten auf jeder Seite, nur um Kopfzeilen zu erkennen, da ungerade und gerade Seiten oft unterschiedliche Kopfzeilen haben, die einige Seiten nie wieder sehen würden.
- Nachdem die Ränder verschwunden sind, wird ein durch den Seitenumbruch getrenntes Absatz wieder zusammengefügt, wenn die nächste Seite den Satz fortsetzt.
Wenn Sie bereits die EPUB haben
Sie können die Nummern manuell in einem EPUB-Editor löschen, aber bei einem langen Buch ist es schneller, erneut von der PDF mit einem Konverter umzuwandeln, der mit Rändern umgeht. Der Benchmark misst den Randverlust, den Anteil an wiederholten Überschriften und Seitennummern, die im Text verbleiben, für jede Engine.
Evidenz aus dem Benchmark
| Motor | Randleck |
|---|---|
| EpubCC engine (EPUB output) | 0.059 |
| EpubCC engine (plain text) | 0.881 |
| pdf_oxide · extract_text | 0.829 |
| pdf_oxide · to_plain_text (XY-cut) | 0.797 |
| pdf_oxide · Markdown | 0.108 |
| PDFium · text().all() | 0.963 |
| OpenDataLoader PDF (local mode) | 0.044 |
| pdftotext (Poppler) | 0.230 |
| Calibre · ebook-convert (EPUB output) | 0.694 |
| EpubCC engine (EPUB, same extractor as Calibre) | 0.062 |
Entferne Kopfzeilen und Seitennummern.
Bis zu 3 ganze Bücher pro Tag kostenlos. Kein Konto erforderlich.