EpubCCCorriger les colonnes mélangées dans une conversion de PDF à EPUB
Les colonnes se mélangent lorsqu'un convertisseur lit chaque ligne en diagonale sur la page, ce qui fait que chaque ligne associe la moitié d'une phrase d'une colonne avec la moitié d'une phrase de la suivante. EpubCC trouve les espaces entre les colonnes et lit chaque colonne de haut en bas avant de passer à la suivante.
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 stocke les caractères avec des positions, pas des colonnes. Certains convertisseurs suivent l'ordre dans lequel le PDF dessine le texte, d'autres balaient chaque ligne de gauche à droite ; sur une page à deux ou trois colonnes, les deux peuvent mélanger les colonnes, et le résultat devient incompréhensible.
Comment EpubCC garde les colonnes séparées
- Il recherche des canaux verticaux d'espace blanc qui descendent la page et divise la page en colonnes là, puis lit chaque colonne dans l'ordre.
- Les en-têtes en cours, les numéros de page et le texte tourné dans la marge sont détectés séparément, afin qu'ils ne coupent pas les colonnes.
- Les paragraphes qui continuent du bas d'une colonne vers le haut de la suivante sont joints.
Où ça échoue encore
- Sur un article en deux colonnes de notre référence, un autre extracteur conserve plus de texte continu que le nôtre. Le cas des deux colonnes montre les chiffres.
- Les tableaux sont lus comme du texte dans l'ordre de lecture ; ils ne sont pas reconstruits en tant que tableaux.
| 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.