EpubCCCorreggi le colonne mescolate in una conversione da PDF a EPUB
Le colonne si mescolano quando un convertitore legge ogni riga direttamente attraverso la pagina, quindi ogni riga unisce metà di una frase da una colonna con metà di una frase dalla successiva. EpubCC trova gli spazi tra le colonne e legge ogni colonna dall'alto verso il basso prima di passare alla successiva.
Fino a 3 libri interi al giorno gratuiti. Nessun account richiesto.
Aggiornato:
File privati. Mai usati per l'addestramento. Eliminati automaticamente, o immediatamente quando premi Elimina ora.
Vedi la differenza nella lettura.
Perché succede
Un PDF memorizza i caratteri con posizioni, non colonne. Alcuni convertitori seguono l'ordine in cui il PDF disegna il testo, altri elaborano ogni riga da sinistra a destra; su una pagina a due o tre colonne, entrambi possono mescolare le colonne, e il risultato risulta incomprensibile.
Come EpubCC mantiene le colonne separate
- Cerca canali verticali di spazi bianchi che scorrono verso il basso nella pagina e divide la pagina in colonne lì, quindi legge ogni colonna in ordine.
- Le intestazioni in corsa, i numeri di pagina e il testo ruotato nel margine vengono rilevati separatamente, così non rompono le colonne.
- I paragrafi che continuano dal fondo di una colonna in cima alla successiva vengono uniti.
Dove ancora fallisce
- Su un documento arXiv a due colonne nel nostro benchmark, un altro estrattore mantiene più testo continuo del nostro. Il caso a due colonne mostra i numeri.
- Le tabelle vengono lette come testo in ordine di lettura; non vengono ricostruite come tabelle.
| Motore | richiamo 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 |
Le pagine scansionate vengono lette con OCR: gratuito fino a 10 pagine, PDF più lunghi su Pro e Business. Il rapporto le elenca così puoi controllare nomi e numeri.
FAQ
È gratuito?
Sì, per la maggior parte dei libri: fino a 3 libri interi al giorno, ciascuno fino a 300 pagine e 50 MB, senza alcun account. Libri più lunghi e PDF scansionati oltre 10 pagine sono su Pro e Business.
Il EPUB sarà perfetto?
Nessun convertitore può promettere questo, e noi non lo facciamo. Quando il motore rileva problemi (glifi illeggibili, ordine di lettura dubbioso) mostra un avviso invece di nasconderlo, e il rapporto di qualità elenca le pagine da controllare.
Dovrei usare invece Calibre?
Se il tuo PDF è un semplice testo a colonna singola, il convertitore gratuito di Calibre potrebbe essere sufficiente. EpubCC è per i casi difficili: paragrafi rotti, intestazioni ripetute e numeri di pagina, note a piè di pagina, colonne e capitoli.