EpubCCNeden EPUB'm metnin ortasında sayfa numaraları gösteriyor?
Güncellendi:
Sizin EPUB sayfa numaralarını cümlelerin ortasında gösteriyor çünkü dönüştürücü, PDF'nin sayfa düzenini (sayfa numaraları, sürekli başlıklar ve alt bilgiler) metnin bir parçasıymış gibi kopyaladı. Çözüm, sayfaların üstünde veya altında tekrar eden metinleri tespit eden ve paragrafları birleştirmeden önce bunu kaldıran bir dönüştürücüdür.
PDF dosyanızı ücretsiz indirin ve bölümlerini, paragraflarını ve notlarını kontrol edin.
Sabit düzen ile akışkan metin karşılaştırması
Neden böyle oluyor
Bir PDF içinde, sayfa numarası ve sürekli başlık ("Chapter 3", kitap başlığı, yazarın adı) sıradan metinlerdir, her şey gibi sayfada çizilir. Metni sırayla okuyan bir dönüştürücü, "47 THE TITLE OF THE BOOK"'yi bir sayfanın son satırı ile diğerinin ilk satırı arasında koyar; bu genellikle bir cümlenin ortasında olur.
EpubCC bunu nasıl kaldırır
- Sayfanın üst veya alt %12'sinde yer alan kısa bloklar, en az 3 sayfada tekrarladığı için kenar boşluğu olarak değerlendirilir ve çıkarılır; rakamlar ve Roma rakamları normalleştirildiği için "47" ve "48" aynı başlık olarak sayılır.
- Sadece bir sayfa numarası olan bir blok da kaldırılır.
- Kısa bir önizleme için, motor her iki tarafta da 4 komşu sayfayı yalnızca başlıkları tespit etmek için okur, çünkü tekil ve çift sayfalar genellikle farklı başlıklar taşır ve birkaç sayfa bunları tekrar görmez.
- Yüklemeden sonra
Eğer zaten EPUB'ye sahipseniz,
Bir EPUB düzenleyicisinde sayıları elle silebilirsiniz, ancak uzun bir kitapta kenar boşluklarını yönetebilen bir dönüştürücüyü kullanarak PDF'den tekrar dönüştürmek daha hızlıdır. Benchmark, her motor için metinde kalan tekrar eden başlıklar ve sayfa numaralarının payını ölçer.
Karşılaştırma kanıtı
| Motor | Kenarlık sızıntısı |
|---|---|
| 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 |
Başlıkları ve sayfa numaralarını kaldırın.
Günde 3 tam kitap ücretsizdir. Hesap gerekmez.