EpubCCDlaczego mój EPUB pokazuje numery stron w środku tekstu?
Zaktualizowane:
Twój EPUB pokazuje numery stron w środku zdań, ponieważ konwerter skopiował elementy strony PDF (numery stron, nagłówki i stopki) tak, jakby były częścią tekstu. Rozwiązaniem jest konwerter, który wykrywa tekst powtarzający się na górze lub na dole stron i usuwa go przed połączeniem akapitów.
Układ stały vs. tekst reflowable
Dlaczego to się dzieje
W PDF numer strony i nagłówek biegający ("Chapter 3", tytuł książki, imię autora) są zwykłym tekstem, rysowanym na stronie jak wszystko inne. Konwerter, który odczytuje tekst w kolejności, umieszcza "47 THE TITLE OF THE BOOK" między ostatnią linią jednej strony a pierwszą linią następnej, co często jest w środku zdania.
Jak EpubCC to usuwa
- Krótkie bloki w górnej lub dolnej części strony stanowiącej 12% strony, które się powtarzają na co najmniej 3 stronach, są traktowane jako marginesy i są usuwane, z cyframi i cyframi rzymskimi znormalizowanymi, więc "47" i "48" liczą się jako ten sam nagłówek.
- Blok, który jest tylko numerem strony, również jest usuwany.
- Dla krótkiego podglądu silnik odczytuje również do 4 sąsiednich stron po każdej stronie, tylko w celu wykrycia nagłówków, ponieważ strony nieparzyste i parzyste często mają różne nagłówki, które kilka stron nigdy nie zdobędzie ponownie.
- Po zniknięciu marginesów, akapit przerwany przez łamanie strony łączy się ponownie, gdy następna strona kontynuuje zdanie.
Jeśli already have the EPUB
Możesz ręcznie usunąć numery w edytorze EPUB, ale w długiej książce szybciej jest ponownie przekonwertować z PDF za pomocą konwertera, który obsługuje marginesy. Benchamark mierzy przecieki marginesów, udział powtarzających się nagłówków oraz numerów stron, które pozostały w tekście, dla każdej maszyny.
Dowody z benchmarku
| Silnik | Wycieki marginesów |
|---|---|
| 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 |
Usuń nagłówki i numery stron.
Do 3 całych książek dziennie za darmo. Nie potrzeba konta.