EpubCCKorjaa sekaisin olevat sarakkeet PDF:sta EPUB:ksi muunnoksessa
Sarakkeet sekoittuvat, kun muunnin lukee jokaisen rivin suoraan sivun yli, jolloin jokainen rivi yhdistää puoli lausetta yhdestä sarakkeesta puolen lauseen kanssa seuraavasta. EpubCC löytää aukot sarakkeiden välillä ja lukee jokaisen sarakkeen ylhäältä alas ennen siirtymistä seuraavaan.
Jopa 3 kokonaista kirjaa päivässä ilmaiseksi. Ei tarvita tiliä.
Päivitetty:
Yksityiset tiedostot. Ei koskaan käytetty koulutukseen. Poistetaan automaattisesti tai heti kun painat Poista nyt.
Katso ero lukemisessa.
Miksi näin tapahtuu
PDF tallentaa merkit sijainteineen, ei sarakkeina. Jotkut muuntajat seuraavat järjestystä, jossa PDF piirtää tekstin, toiset käyvät jokaisen rivin vasemmalta oikealle; kahden tai kolmen sarakkeen sivulla molemmat voivat sekoittaa sarakkeet, ja lopputulos on järjetöntä tekstiä.
Kuinka EpubCC pitää sarakkeet eristyksissä
- Se etsii pystysuoria valkoisen tilan kanavia, jotka kulkevat alas sivua, ja jakaa sivun sinne sarakkeisiin, sitten lukee jokaisen sarakkeen järjestyksessä.
- Juoksevat otsikot, sivunumerot ja käännetty teksti marginaalissa havaitaan erikseen, jotta ne eivät riko sarakkeita.
- Kappaleet, jotka jatkuvat yhden sarakkeen alareunasta seuraavan sarakkeen yläreunaan, yhdistetään.
Missä se edelleen epäonnistuu
- Kaksisarakkeisessa arXiv-dokumentissa vertailussamme toinen poimija pitää enemmän yhtenäistä tekstiä kuin meidän. Kaksisaraketapauksessa näkyvät lukemat.
- Taulukot luetaan tekstinä lukujärjestyksessä; niitä ei rakenneta uudelleen taulukkoina.
| Moottori | 8-grammin muistaminen |
|---|---|
| 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 |
Skannatut sivut luetaan OCR:llä: ilmainen enintään 10 sivua, pidemmät PDF-tiedostot Pro- ja Business-suunnitelmalla. Raportti luettelee ne, jotta voit tarkistaa nimet ja numerot.
FAQ
Onko se ilmaista?
Kyllä, useimmille kirjoille: enintään 3 kokonaista kirjaa päivässä, jokainen enintään 300 sivua ja 50 MB, ilman tiliä. Pidemmät kirjat ja skannatut PDF-tiedostot, joissa on yli 10 sivua, ovat Pro- ja Business-suunnitelmalla.
Onko EPUB täydellinen?
Yksi muunnin ei voi luvata sitä, eikä me tee niin. Kun moottori havaitsee ongelmia (luettavat glyphit, epäilyttävä lukujärjestys), se näyttää varoituksen piilottamisen sijaan, ja laadunraportti listaa sivut, jotka kannattaa tarkistaa.
Pitäisikö minun käyttää Calibre sen sijaan?
Jos PDF on yksinkertainen yksisarakkeinen teksti, Calibre:n ilmainen muunnin saattaa riittää. EpubCC on vaikeita tapauksia varten: rikkoutuneet kappaleet, toistuvat otsikot ja sivunumerot, alakirjoitukset, sarakkeet ja luvut.