EpubCCDe ce EPUB arată numere de pagină în mijlocul textului?
Actualizat:
EPUB al dvs. arată numerele paginilor în mijlocul propozițiilor deoarece convertorul a copiat mobilierul de pagină al PDF (numerele de pagină, antetele și subsolurile) ca și cum ar fi parte a textului. Soluția este un convertor care detectează textul repetat în partea de sus sau de jos a paginilor și îl elimină înainte de a uni paragrafele.
Aspect fixat vs. text reflowabil
De ce se întâmplă asta
Într-un PDF, numărul paginii și antetul rulant ("Chapter 3", titlul cărții, numele autorului) sunt text obișnuit, desenat pe pagină ca tot restul. Un convertor care citește textul în ordine pune "47 THE TITLE OF THE BOOK" între ultima linie a unei pagini și prima linie a celei următoare, care este adesea în mijlocul unei propoziții.
Cum EpubCC o elimină
- Blocurile scurte din 12% din partea de sus sau jos a paginii care se repetă pe cel puțin 3 pagini sunt tratate ca margini și eliminate, cu cifrele și romanele normalizate astfel încât "47" și "48" să conteze ca același antet.
- Un bloc care este doar un număr de pagină este eliminat de asemenea.
- Pentru o previzualizare scurtă, motorul citește, de asemenea, până la 4 pagini vecine pe fiecare parte, doar pentru a detecta antetele, deoarece paginile impare și pare au adesea antete diferite pe care câteva pagini nu le-ar vedea vreodată repetate.
- După încărcare
Dacă deja ai EPUB
Puteți șterge numerele manual într-un editor EPUB, dar pentru o carte lungă este mai rapid să o convertiți din nou din PDF cu un convertor care gestionează margini. Referința măsoară scurgerea marginii, proporția de antete și numere de pagină repetate rămase în text, pentru fiecare motor.
Dovadă din evaluare
| Motor | Scurgere de margine |
|---|---|
| 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 |
Eliminați antetele și numerele de pagină
Până la 3 cărți complete pe zi gratuite. Nu este necesar un cont.