EpubCCBeheben Sie durcheinandergebrachte Spalten in einer PDF-zu-EPUB Konvertierung
Spalten werden durcheinandergebracht, wenn ein Konverter jede Zeile direkt über die Seite liest, sodass jede Zeile die Hälfte eines Satzes aus einer Spalte mit der Hälfte eines Satzes aus der nächsten verbindet. EpubCC findet die Lücken zwischen den Spalten und liest jede Spalte von oben nach unten, bevor sie zur nächsten wechselt.
Bis zu 3 ganze Bücher pro Tag kostenlos. Kein Konto erforderlich.
Aktualisiert:
Private Dateien. Nie für das Training verwendet. Automatisch gelöscht oder sofort, wenn du jetzt Löschen drückst.
Sehen Sie den Unterschied beim Lesen.
Warum es passiert
Eine PDF speichert Zeichen mit Positionen, nicht in Spalten. Einige Konverter befolgen die Reihenfolge, in der das PDF den Text zeichnet, andere lesen jede Zeile von links nach rechts; auf einer Zwei- oder Dreispaltenseite können beide die Spalten mischen, und das Ergebnis klingt wie Nonsens.
Wie EpubCC die Spalten auseinander hält
- Es sucht nach vertikalen Kanälen von weißem Raum, die die Seite hinunterlaufen, und teilt die Seite dort in Spalten, dann liest es jede Spalte der Reihe nach.
- Laufende Kopfzeilen, Seitenzahlen und gedrehter Text im Rand werden separat erkannt, damit sie die Spalten nicht brechen.
- Absätze, die von unten einer Spalte oben in die nächste übergehen, werden zusammengefügt.
Wo es weiterhin fehlschlägt
- Bei einem zwei-spaltigen arXiv-Paper in unserem Benchmark hält ein anderer Extraktor mehr fortlaufenden Text als unserer. Der Zwei-Spalten-Fall zeigt die Zahlen.
- Tabellen werden als Text in der Lesereihenfolge gelesen; sie werden nicht als Tabellen neu erstellt.
| Motor | 8-Gramm-Rückruf |
|---|---|
| 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 |
Gescannte Seiten werden mit OCR gelesen: kostenlos bis zu 10 Seiten, längere PDFs bei Pro und Business. Der Bericht listet diese auf, damit Sie Namen und Zahlen überprüfen können.
FAQ
Ist es kostenlos?
Ja, für die meisten Bücher: bis zu 3 ganze Bücher pro Tag, jeweils bis zu 300 Seiten und 50 MB, ohne Konto. Längere Bücher und gescannte PDFs über 10 Seiten sind in Pro und Business.
Wird die EPUB perfekt sein?
Kein Konverter kann das versprechen, und wir tun es nicht. Wenn die Engine Probleme erkennt (unlesbare Glyphen, zweifelhafte Lesereihenfolge), wird eine Warnung angezeigt, anstatt sie zu verbergen, und der Qualitätsbericht listet die Seiten auf, die es wert sind, überprüft zu werden.
Soll ich Calibre stattdessen verwenden?
Wenn Ihr PDF ein einfacher einspaltiger Text ist, könnte Calibre's kostenloser Konverter ausreichend sein. EpubCC ist für die schwierigen Fälle: kaputte Absätze, wiederholte Überschriften und Seitenzahlen, Fußnoten, Spalten und Kapitel.