EpubCCProč převod PDF-na-EPUB narušuje odstavce?
Aktualizováno:
Konverze PDF-do-EPUB rozbíjí odstavce, protože PDF ukládá řádky na pevných pozicích, nikoli odstavce, a jednoduchý převodník kopíruje každý řádek tak, jak je. Obnova odstavců vyžaduje geometrii každého řádku: mezery, odsazení, změny písma a spojovníky na konci řádků.
Pevné rozložení vs. přizpůsobitelný text
Odkud přichází přerušení
Když se vytváří PDF, text je rozřezán do řádků, aby se vešel do šířky stránky. Samotný odstavec není zaznamenán. Kopírování řádků do EPUB uchovává tato rozdělení, takže každý řádek na e-čtečce končí brzy.
Jak se obnovují odstavce
- Začněte nový odstavec pouze při vertikální mezeře, změně velikosti nebo tloušťky, odsazení prvního řádku nebo řádku, který končí předčasně.
- Znovu spojte slova rozdělená pomlčkou na konci řádku.
- Spojte odstavec přerušený sloupcem nebo stránkovým zlomek, když pokračuje další část věty.
Důkazy z benchmarku
| Stroj | 8-gramová recall |
|---|---|
| EpubCC engine (EPUB output) | 0.845 |
| EpubCC engine (plain text) | 0.829 |
| pdf_oxide · extract_text | 0.740 |
| pdf_oxide · to_plain_text (XY-cut) | 0.694 |
| pdf_oxide · Markdown | 0.692 |
| PDFium · text().all() | 0.756 |
| OpenDataLoader PDF (local mode) | 0.734 |
| pdftotext (Poppler) | 0.755 |
| Calibre · ebook-convert (EPUB output) | 0.726 |
| EpubCC engine (EPUB, same extractor as Calibre) | 0.845 |
Opravit rozbité odstavce
Až 3 celé knihy denně zdarma. Účet není potřebný.