EpubCCVarför visar min EPUB sidnummer mitt i texten?
Uppdaterad:
Din EPUB visar sidnummer mitt i meningarna eftersom konverteraren kopierade PDF's sidmöbler (sidnummer, rubriker och fotnoter) som om det vore en del av texten. Lösningen är en konverterare som upptäcker text som upprepas högst eller längst ner på sidorna och tar bort den innan styckena kopplas ihop.
Fast layout vs. omskrivbar text
Varför det händer
I en PDF är sidnumret och den löpande rubriken ("Chapter 3", bokens titel, författarens namn) vanlig text, ritad på sidan som allt annat. En konverterare som läser texten i ordning placerar "47 THE TITLE OF THE BOOK" mellan den sista raden på en sida och den första raden på nästa, vilket ofta är mitt i en mening.
Hur EpubCC tar bort det
- Korta block i de övre eller nedre 12% av sidan som upprepas på minst 3 sidor behandlas som marginaler och tas bort, med siffror och romerska siffror normaliserade så "47" och "48" räknas som samma rubrik.
- Ett block som endast är ett sidnummer tas också bort.
- För en kort förhandsvisning läser motorn också upp till 4 angränsande sidor på varje sida, endast för att upptäcka rubriker, eftersom udda och jämna sidor ofta har olika rubriker som några sidor aldrig skulle se upprepas.
- Efter att marginalerna är borta, sammanfogas ett stycke som delats av sidbrytningen igen när nästa sida fortsätter meningen.
Om du redan har EPUB
Du kan ta bort numren för hand i en EPUB redigerare, men i en lång bok är det snabbare att konvertera igen från PDF med en konverterare som hanterar marginaler. Benchmarken mäter marginalläckage, andelen upprepade rubriker och sidnummer som lämnas kvar i texten, för varje motor.
Bevis från benchmarken
| Motor | Marginalläckage |
|---|---|
| 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 |
Ta bort rubriker och sidnummer.
Upp till 3 hela böcker per dag gratis. Inget konto behövs.