EpubCCPourquoi mon EPUB montre-t-il des numéros de page au milieu du texte ?
Mis à jour :
Votre EPUB montre des numéros de page au milieu des phrases parce que le convertisseur a copié le mobilier de page du PDF (numéros de page, en-têtes et pieds de page) comme s'il faisait partie du texte. La solution est un convertisseur qui détecte le texte répété en haut ou en bas des pages et l'enlève avant de joindre les paragraphes.
Mise en page fixe vs. texte reflowable
Pourquoi cela se produit
Dans un PDF, le numéro de page et l'en-tête courant ("Chapter 3", le titre du livre, le nom de l'auteur) sont du texte ordinaire, dessiné sur la page comme tout le reste. Un convertisseur qui lit le texte dans l'ordre met "47 THE TITLE OF THE BOOK" entre la dernière ligne d'une page et la première ligne de la suivante, ce qui est souvent au milieu d'une phrase.
Comment EpubCC l'enlève
- Les petits blocs dans le haut ou le bas de 12 % de la page qui se répètent sur au moins 3 pages sont traités comme des marges et supprimés, avec des chiffres et des chiffres romains normalisés afin que "47" et "48" soient comptés comme le même en-tête.
- Un bloc qui ne contient qu'un numéro de page est également supprimé.
- Pour un aperçu court, le moteur lit également jusqu'à 4 pages voisines de chaque côté, uniquement pour détecter les en-têtes, car les pages impaires et paires portent souvent des en-têtes différents que quelques pages ne verraient jamais répétées.
- Après que les marges ont disparu, un paragraphe coupé par le saut de page est de nouveau rejoint lorsque la page suivante continue la phrase.
Si vous avez déjà le EPUB
Vous pouvez supprimer les numéros manuellement dans un éditeur EPUB, mais sur un livre long, il est plus rapide de reconvertir depuis le PDF avec un convertisseur qui gère les marges. La référence mesure les fuites de marges, la part des en-têtes répétés et des numéros de page laissés dans le texte, pour chaque moteur.
Éléments de preuve du benchmark
| Moteur | Fuite de marge |
|---|---|
| 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 |
Supprimer les en-têtes et les numéros de page
Jusqu'à 3 livres entiers par jour gratuits. Aucun compte nécessaire.