EpubCCWaarom breekt de PDF-naar-EPUB conversie alinea's?
Bijgewerkt:
PDF-naar-EPUB conversie breekt alinea's omdat een PDF regels op vaste posities opslaat, niet alinea's, en een simpele converter kopieert elke regel zoals deze is. Het herbouwen van alinea's heeft de geometrie van elke regel nodig: spaties, inspringingen, lettertypewijzigingen en streepjes aan het einde van regels.
Vast lay-out vs. herflowbare tekst
Waar de onderbreking vandaan komt
Wanneer een PDF wordt gemaakt, wordt de tekst in regels verdeeld om in de pagina breedte te passen. De alinea zelf wordt niet vastgelegd. Het kopiëren van de regels in een EPUB behoudt die sneden, waardoor elke regel vroeg eindigt op een e-reader.
Hoe paragrafen worden herbouwd
- Begin een nieuwe alinea alleen op een verticale spatie, een grootte- of gewichtsverandering, een inspringing van de eerste regel of een regel die vroeg eindigt.
- Voeg woorden die door een koppelteken aan het eind van een regel zijn gesplitst weer samen.
- Verbind een paragraaf die onderbroken is door een kolom- of paginabreak wanneer het volgende deel de zin voortzet.
Bewijs van de benchmark
| Motor | 8-gram herinnering |
|---|---|
| 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 |
Herstel gebroken paragrafen
Tot 3 hele boeken per dag gratis. Geen account nodig.