EpubCCWaarom toont mijn EPUB paginanummers midden in de tekst?
Bijgewerkt:
Uw EPUB toont paginanummers midden in zinnen omdat de converter de pagina-inrichting van de PDF (paginanummers, lopende koppen en voetteksten) kopieerde alsof het deel van de tekst was. De oplossing is een converter die tekst detecteert die herhaald wordt bovenaan of onderaan de pagina's en deze verwijdert voordat de alinea's worden samengevoegd.
Vast lay-out vs. herflowbare tekst
Waarom het gebeurt
In een PDF zijn het paginanummer en de lopende koptekst ("Chapter 3", de titel van het boek, de naam van de auteur) gewone tekst, die net als alles andere op de pagina is getekend. Een converter die de tekst in volgorde leest, plaatst "47 THE TITLE OF THE BOOK" tussen de laatste regel van de ene pagina en de eerste regel van de volgende, wat vaak midden in een zin gebeurt.
Hoe EpubCC het verwijdert
- Korte blokken in de bovenste of onderste 12% van de pagina die op ten minste 3 pagina's herhaald worden, worden behandeld als marges en verwijderd, met cijfers en Romeinse cijfers genormaliseerd zodat "47" en "48" als dezelfde kop worden geteld.
- Een blok dat alleen een paginanummer is, wordt ook verwijderd.
- Voor een korte preview leest de engine ook tot 4 burenpagina's aan elke kant, alleen om koppen te detecteren, omdat oneven en even pagina's vaak verschillende koppen dragen die een paar pagina's nooit zouden herhalen.
- Nadat de marges zijn verdwenen, wordt een alinea die door de pagina-onderbreking is gesneden weer samengevoegd wanneer de volgende pagina de zin voortzet.
Als je al de EPUB hebt.
U kunt de nummers handmatig verwijderen in een EPUB-editor, maar voor een lang boek is het sneller om opnieuw te converteren vanuit de PDF met een converter die marges beheert. De benchmark meet marge-lek, het aandeel van herhaalde koppen en paginanummers die in de tekst zijn achtergebleven, voor elke engine.
Bewijs van de benchmark
| Motor | Marginaleiding |
|---|---|
| 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 |
Verwijder koppen en paginanummers.
Tot 3 hele boeken per dag gratis. Geen account nodig.