EpubCCCorrigez les paragraphes cassés dans une conversion PDF-à-EPUB
Les paragraphes se décomposent lorsque, dans un PDF, un convertisseur transforme chaque ligne en une ligne du EPUB, car un PDF stocke des lignes, pas des paragraphes. EpubCC reconstruit les paragraphes à partir de la position de chaque ligne, réassociant les mots césurés et joignant les paragraphes éclatés à travers les pages.
Jusqu'à 3 livres entiers par jour gratuits. Aucun compte nécessaire.
Mis à jour :
Fichiers privés. Jamais utilisés pour l'entraînement. Supprimés automatiquement ou immédiatement lorsque vous appuyez sur Supprimer maintenant.
Voir la différence de lecture.
Pourquoi cela se produit
Un PDF n'a pas la notion de paragraphe. Il dessine des lignes de texte à des positions fixes, souvent avec un trait d'union là où un mot a été coupé à la fin d'une ligne. Un convertisseur qui copie ces lignes conserve les sauts de ligne, et sur un lecteur électronique, chaque ligne devient un court paragraphe brisé.
Comment EpubCC reconstruit les paragraphes
- Un nouveau paragraphe commence seulement sur un vrai signal : un espace vertical, un changement de taille ou de poids, un retrait de première ligne, ou une ligne qui se termine tôt.
- Les mots coupés à la fin d'une ligne sont réassemblés lorsque le PDF marque le trait d'union comme un saut de ligne, ou lorsque la ligne suivante commence par une minuscule.
- Un paragraphe qui ne termine pas une phrase à une coupure de colonne ou de page est joint au suivant lorsque celui-ci commence en minuscule.
Ce que montre la référence
Le rappel à 8 grammes mesure la continuité : il diminue lorsque des lignes se rejoignent ou lorsque l'ordre de lecture brise les phrases. Le tableau ci-dessous montre la moyenne pour chaque moteur dans notre benchmark public, y compris ceux qui nous ont surpassés sur certains documents.
| Moteur | rappel 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 |
Les pages scannées sont lues avec OCR : gratuites jusqu'à 10 pages, PDF plus longs sur Pro et Business. Le rapport les liste afin que vous puissiez vérifier les noms et les numéros.
FAQ
Est-ce gratuit ?
Oui, pour la plupart des livres : jusqu'à 3 livres entiers par jour, chacun jusqu'à 300 pages et 50 Mo, sans compte. Des livres plus longs et des PDF scannés de plus de 10 pages sont sur Pro et Business.
Le EPUB sera-t-il parfait ?
Aucun convertisseur ne peut promettre cela, et nous ne le faisons pas non plus. Lorsque le moteur détecte des problèmes (glyphes illisibles, ordre de lecture douteux), il affiche un avertissement au lieu de le cacher, et le rapport de qualité liste les pages à vérifier.
Devrais-je utiliser Calibre à la place ?
Si votre PDF est un simple texte à une colonne, le convertisseur gratuit de Calibre peut suffire. EpubCC est pour les cas difficiles : paragraphes cassés, en-têtes répétés et numéros de page, notes de bas de page, colonnes et chapitres.