EpubCCVarför bryter PDF-till-EPUB konversion stycken?
Uppdaterad:
PDF-till-EPUB konvertering bryter stycken eftersom en PDF lagrar rader i fasta positioner, inte stycken, och en enkel konverterare kopierar varje rad som den är. Återuppbyggnad av stycken kräver geometrin av varje rad: luckor, indrag, teckensnittsändringar och bindestreck vid radslut.
Fast layout vs. omskrivbar text
Där avbrottet kommer ifrån
När en PDF görs, klipps texten upp i rader för att passa sidans bredd. Själva stycket spelas inte in. Att kopiera raderna till en EPUB behåller dessa klipp, så varje rad slutar tidigt på en e-läsare.
Hur stycken återuppbyggs
- Börja ett nytt stycke endast på ett vertikalt gap, en storlek eller viktförändring, en indragning på första raden eller en rad som slutar tidigt.
- Förena ord som är splittrade av ett bindestreck i slutet av en rad.
- Sammanfoga ett stycke som avbryts av en kolumn eller sidbrytning när nästa del fortsätter meningen.
Bevis från benchmarken
| Motor | 8-gram återkallande |
|---|---|
| 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 |
Fixera trasiga stycken
Upp till 3 hela böcker per dag gratis. Inget konto behövs.