EpubCCHvorfor viser EPUB sidetall midt i teksten?
Oppdatert:
Din EPUB viser sidenumre midt i setninger fordi konverteren kopierte PDF's siden møbler (sidenumre, løpende overskrifter og fotnoter) som om det var en del av teksten. Løsningen er en konverter som oppdager tekst gjentatt på toppen eller bunnen av sidene og fjerner det før den slår sammen avsnittene.
Fast layout vs. reflowable tekst
Hvorfor det skjer
I en PDF er sidetallet og den løpende overskriften ("Chapter 3", boktittelen, forfatterens navn) vanlig tekst, trukket på siden som alt annet. En konverter som leser teksten i rekkefølge setter "47 THE TITLE OF THE BOOK" mellom den siste linjen på en side og den første linjen på neste, som ofte er midt i en setning.
Hvordan EpubCC fjerner det
- Korte blokker i den øverste eller nederste 12% av siden som gjentar seg på minst 3 sider behandles som marger og fjernes, med sifre og romertall normalisert slik at "47" og "48" teller som den samme overskriften.
- En blokk som bare er et sidetall fjernes også.
- For en kort forhåndsvisning leser motoren også opptil 4 nabo-sider på hver side, bare for å oppdage overskrifter, fordi oddetall og partall sider ofte bærer forskjellige overskrifter som noen få sider aldri ville se gjentatt.
- Etter at margene er borte, blir et avsnitt delt av sidebroen koblet sammen igjen når neste side fortsetter setningen.
Hvis du allerede har EPUB
Du kan slette tallene for hånd i en EPUB-redigerer, men på en lang bok er det raskere å konvertere igjen fra PDF med en konverter som håndterer marginer. Benchmarken måler marginlekkasje, andelen av repeterte overskrifter og sidenummer som er igjen i teksten, for hver motor.
Bevis fra testen
| Motor | Marginlekkasje |
|---|---|
| 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 |
Fjern overskrifter og sidenumre.
Opptil 3 hele bøker om dagen gratis. Ingen konto nødvendig.