EpubCCRet ødelagte afsnit i en PDF-til-EPUB konvertering
Afsnit bryder, når en konverter laver hver linje af PDF til en linje i EPUB, fordi en PDF gemmer linjer, ikke afsnit. EpubCC genopbygger afsnit ud fra positionen af hver linje, sammenfører bindestreget ord og samler afsnit delt over sider.
Op til 3 hele bøger om dagen gratis. Ingen konto nødvendig.
Opdateret:
Private filer. Aldrig brugt til træning. Sletter automatisk, eller straks når du trykker på Slet nu.
Se forskellen i læsning.
Hvorfor det sker
En PDF har ingen opfattelse af et afsnit. Den tegner linjer af tekst på faste positioner, ofte med et bindestreg, hvor et ord blev splittet ved slutningen af en linje. En konverter, der kopierer disse linjer, bevarer linjeskiftene, og på en e-læser bliver hver linje et lille brudt afsnit.
Hvordan EpubCC genopbygger afsnit
- Et nyt afsnit starter kun på et egentligt signal: et vertikalt mellemrum, en ændring af størrelse eller vægt, en indrykning af første linje, eller en linje, der slutter tidligt.
- Ord, der er delt ved slutningen af en linje, bliver sammenføjet, når PDF markerer bindestregen som en linjeskift, eller når den næste linje begynder med små bogstaver.
- Et afsnit, der ikke afslutter en sætning ved en kolonne- eller sideskift, bliver sluttet sammen med det næste, når det starter med lille bogstav.
Hvad benchmarket viser
8-grams hukommelse måler kontinuitet: det falder, når linjer slutter eller læseorden bryder sætninger. Tabellen nedenfor viser gennemsnittet for hver motor i vores offentlige benchmark, herunder de, der slår os på nogle dokumenter.
| Motor | 8-gram tilbagekaldelse |
|---|---|
| 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 |
Scannede sider læses med OCR: gratis op til 10 sider, længere PDF'er på Pro og Business. Rapporten viser dem, så du kan tjekke navne og numre.
FAQ
Er det gratis?
Ja, for de fleste bøger: op til 3 hele bøger om dagen, hver på op til 300 sider og 50 MB, uden konto. Længere bøger og scannede PDF'er over 10 sider er på Pro og Business.
Bliver EPUB perfekt?
Ingen konverter kan love det, og det gør vi ikke. Når motoren opdager problemer (ulæselige glypher, tvivlsom læseorden) viser den en advarsel i stedet for at skjule det, og kvalitetsrapporten opregner de sider, der er værd at tjekke.
Skal jeg i stedet bruge Calibre?
Hvis din PDF er en simpel enkeltkolonne tekst, kan Calibre's gratis konverter være tilstrækkelig. EpubCC er til de svære tilfælde: beskadigede afsnit, gentagne overskrifter og sidenumre, fodnoter, kolonner og kapitler.