EpubCCCorectează paragrafele rupte într-o conversie de la PDF la EPUB
Paragrafele se rup atunci când un converter transformă fiecare linie a PDF într-o linie a EPUB, pentru că un PDF stochează linii, nu paragrafe. EpubCC reconstruiește paragrafele din poziția fiecărei linii, reunește cuvintele împărțite prin cratimă și unește paragrafele rupte între pagini.
Până la 3 cărți complete pe zi gratuite. Nu este necesar un cont.
Actualizat:
Fișiere private. Niciodată folosite pentru antrenament. Șterse automat, sau imediat când apeși Șterge acum.
Vezi diferența în citire.
De ce se întâmplă asta
Un PDF nu are noțiunea de paragraf. Trasează rânduri de text la poziții fixe, adesea cu un cratima unde un cuvânt a fost împărțit la sfârșitul unei linii. Un convertor care copiază aceste rânduri păstrează întreruperile de linie, iar pe un e-reader fiecare linie devine un scurt paragraf rupt.
Cum EpubCC reconstruiește paragrafele
- Un nou paragraf începe doar la un semnal real: un interval vertical, o schimbare de dimensiune sau greutate, un indent pe prima linie, sau o linie care se termină devreme.
- Cuvintele împărțite la finalul unei linii sunt reunite atunci când PDF marchează cratima ca o întrerupere de linie sau când următoarea linie începe cu litere mici.
- Un paragraf care nu încheie o propoziție la o întrerupere de coloană sau pagină este alăturat următorului când acesta începe cu litere mici.
Ce arată benchmark-ul
Măsura de recuperare de 8 grame evaluează continuitatea: scade atunci când se alătură liniile sau ordinea de citire întrerupe frazele. Tabelul de mai jos arată media pentru fiecare motor în benchmark-ul nostru public, inclusiv cele care ne-au depășit pe anumite documente.
| Motor | recall 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 |
Paginile scanate sunt citite cu OCR: gratuit până la 10 pagini, PDF-uri mai lungi pe Pro și Business. Raportul le listează astfel încât să puteți verifica nume și numere.
FAQ
Este gratuit?
Da, pentru cele mai multe cărți: până la 3 cărți întregi pe zi, fiecare de până la 300 de pagini și 50 MB, fără cont. Cărțile mai lungi și PDF-urile scanate de peste 10 pagini sunt pe Pro și Business.
Va fi EPUB-ul perfect?
Niciun converter nu poate promite asta, și noi nu o facem. Când motorul detectează probleme (glife ilizibile, ordine de citire îndoielnică), arată un avertisment în loc să o ascundă, iar raportul de calitate listează paginile care merită verificate.
Ar trebui să folosesc Calibre în schimb?
Dacă PDF este un text simplu pe o singură coloană, converterul gratuit Calibre poate fi suficient. EpubCC este pentru cazurile dificile: paragrafe rupte, titluri repetate și numere de pagină, note de subsol, coloane și capitole.