EpubCCPerché il mio EPUB mostra numeri di pagina in mezzo al testo?
Aggiornato:
Il tuo EPUB mostra numeri di pagina nel mezzo di frasi perché il convertitore ha copiato i mobili di pagina del PDF (numeri di pagina, intestazioni e piè di pagina) come se fossero parte del testo. La soluzione è un convertitore che rileva il testo ripetuto in cima o in fondo alle pagine e lo rimuove prima di unire i paragrafi.
Layout fisso vs. testo riformattabile
Perché succede
In un PDF, il numero di pagina e l'intestazione corrente ("Chapter 3", il titolo del libro, il nome dell'autore) sono testo normale, disegnato sulla pagina come tutto il resto. Un convertitore che legge il testo in ordine mette "47 THE TITLE OF THE BOOK" tra l'ultima riga di una pagina e la prima riga della successiva, che è spesso nel mezzo di una frase.
Come EpubCC la rimuove
- I blocchi corti nella parte superiore o inferiore del 12% della pagina che si ripetono in almeno 3 pagine sono trattati come margini e rimossi, con cifre e numeri romani normalizzati in modo che "47" e "48" vengano conteggiati come lo stesso intestazione.
- Un blocco che è solo un numero di pagina viene rimosso anche.
- Per un'anteprima breve, il motore legge anche fino a 4 pagine vicine su ciascun lato, solo per rilevare le intestazioni, perché le pagine dispari e pari spesso hanno intestazioni diverse che alcune pagine non vedrebbero mai ripetute.
- Dopo che i margini sono spariti, un paragrafo interrotto dall'interruzione di pagina viene unito di nuovo quando la pagina successiva continua la frase.
Se hai già il EPUB
Puoi eliminare i numeri a mano in un editor EPUB, ma in un libro lungo è più veloce riconvertire dal PDF con un convertitore che gestisce i margini. Il benchmark misura la perdita di margini, la quota di intestazioni ripetute e numeri di pagina rimasti nel testo, per ogni motore.
Evidenza dal benchmark
| Motore | Perdita di margini |
|---|---|
| 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 |
Rimuovi intestazioni e numeri di pagina
Fino a 3 libri interi al giorno gratuiti. Nessun account richiesto.