EpubCCPerché la conversione da PDF a EPUB interrompe i paragrafi?
Aggiornato:
La conversione PDF-a-EPUB rompe i paragrafi perché un PDF memorizza le righe in posizioni fisse, non i paragrafi, e un semplice convertitore copia ogni riga così com'è. Ricostruire i paragrafi richiede la geometria di ogni riga: spazi, rientri, cambi di font e trattini alla fine delle righe.
Layout fisso vs. testo riformattabile
Dove proviene l'interruzione
Quando un PDF viene creato, il testo viene suddiviso in righe per adattarsi alla larghezza della pagina. Il paragrafo stesso non viene registrato. Copiare le righe in un EPUB mantiene quei tagli, quindi ogni riga termina in anticipo su un e-reader.
Come vengono ricostruiti i paragrafi
- Inizia un nuovo paragrafo solo su uno spazio verticale, un cambiamento di dimensione o peso, un rientro della prima riga o una linea che termina prima.
- Ricollega le parole spezzate da un trattino alla fine di una riga.
- Unisci un paragrafo interrotto da una rottura di colonna o di pagina quando la parte successiva continua la frase.
Evidenza dal benchmark
| Motore | richiamo 8-gram |
|---|---|
| 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 |
Correggi paragrafi rotti
Fino a 3 libri interi al giorno gratuiti. Nessun account richiesto.