EpubCCHvorfor bryter PDF-til-EPUB konvertering avsnitt?
Oppdatert:
PDF-til-EPUB konvertering bryter avsnitt fordi en PDF lagrer linjer på faste posisjoner, ikke avsnitt, og en enkel konverterer kopierer hver linje som den er. Gjenoppbygging av avsnitt krever geometrien til hver linje: mellomrom, innrykk, skrifttyper og bindestreker på linjeslutt.
Fast layout vs. reflowable tekst
Hvor bruddet kommer fra
Når en PDF lages, kuttes teksten i linjer for å passe sidens bredde. Selve avsnittet blir ikke registrert. Å kopiere linjene inn i en EPUB beholder disse kuttene, så hver linje slutter tidlig på en e-leser.
Hvordan avsnitt gjenoppbygges
- Start et nytt avsnitt bare på et vertikalt gap, en størrelse eller vektforandring, en innrykk på første linje eller en linje som slutter tidlig.
- Bli med ord delt med bindestrek på slutten av en linje.
- Slå sammen et avsnitt som er avbrutt av et kolonne- eller sideskift når neste del fortsetter setningen.
Bevis fra testen
| Motor | 8-gram tilbakekalling |
|---|---|
| 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 |
Fiks ødelagte avsnitt
Opptil 3 hele bøker om dagen gratis. Ingen konto nødvendig.