EpubCCHerstel gebroken alinea's in een PDF-naar-EPUB conversie
Paragrafen breken wanneer een converter elke regel van de PDF omzet in een regel van de EPUB, omdat een PDF zinnen opslaat, geen paragrafen. EpubCC herbouwt paragrafen op basis van de positie van elke regel, voegt afgebroken woorden samen en voegt paragrafen samen die over pagina's zijn verdeeld.
Tot 3 hele boeken per dag gratis. Geen account nodig.
Bijgewerkt:
Privébestanden. Nooit gebruikt voor training. Worden automatisch verwijderd, of meteen wanneer u nu Verwijderen drukt.
Bekijk het verschil in lezen.
Waarom het gebeurt
Een PDF heeft geen notie van een alinea. Het trekt tekstregels op vaste posities, vaak met een koppelteken waar een woord aan het einde van een regel is gesplitst. Een converter die die regels kopieert, houdt de regelafbrekingen, en op een e-reader wordt elke regel een korte gebroken alinea.
Hoe EpubCC alinea's herbouwt
- Een nieuwe alinea begint alleen bij een echt signaal: een verticale ruimte, een verandering van grootte of gewicht, een eerste regel inspringing, of een regel die vroeg eindigt.
- Woorden die aan het einde van een regel zijn afgebroken, worden hersteld wanneer de PDF het afbreekstreepje als een regeleinde markeert, of wanneer de volgende regel in kleine letters begint.
- Een alinea die niet eindigt met een zin bij een kolom- of pagina-einde wordt samengevoegd met de volgende wanneer die begint met een kleine letter.
Wat de benchmark laat zien
8-gram herinnering meet continuïteit: het daalt wanneer lijnen samenkomen of de leesvolgorde zinnen onderbreekt. De onderstaande tabel toont het gemiddelde voor elke engine in onze openbare benchmark, inclusief diegene die ons op sommige documenten overtreffen.
| 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 |
Gescande pagina's worden gelezen met OCR: gratis tot 10 pagina's, langere PDF's op Pro en Business. Het rapport lijst ze op zodat je namen en nummers kunt controleren.
FAQ
Is het gratis?
Ja, voor de meeste boeken: tot 3 volledige boeken per dag, elk tot 300 pagina's en 50 MB, zonder account. Langere boeken en gescande PDF's van meer dan 10 pagina's zijn op Pro en Business.
Zal de EPUB perfect zijn?
Geen enkele converter kan dat beloven, en dat doen wij niet. Wanneer de engine problemen detecteert (onleesbare glyphs, twijfelachtige leesvolgorde) toont het een waarschuwing in plaats van het te verbergen, en het kwaliteitsrapport geeft een lijst van pagina's die het controleren waard zijn.
Moet ik Calibre in plaats daarvan gebruiken?
Als uw PDF een eenvoudige tekst met één kolom is, is Calibre's gratis converter misschien voldoende. EpubCC is voor de moeilijke gevallen: gebroken alinea's, herhaalde koppen en paginanummers, voetnoten, kolommen en hoofdstukken.