EpubCCFiks blandede kolonner i en PDF-til-EPUB konvertering
Kolonner blir blandet når en konverterer leser hver linje rett over siden, slik at hver linje sammenføyer halve setninger fra én kolonne med halve setninger fra neste. EpubCC finner gapene mellom kolonnene og leser hver kolonne fra topp til bunn før den går videre til neste.
Opptil 3 hele bøker om dagen gratis. Ingen konto nødvendig.
Oppdatert:
Private filer. Brukes aldri til trening. Slettet automatisk, eller umiddelbart når du trykker på Slett nå.
Se forskjellen i lesing.
Hvorfor det skjer
En PDF lagrer tegn med posisjoner, ikke kolonner. Noen konverterere følger rekkefølgen som PDF tegner teksten, andre feier hver linje fra venstre til høyre; på en to- eller tre-kolonne side kan begge blande kolonnene, og resultatet leses som nonsens.
Hvordan EpubCC holder kolonnene adskilt
- Det ser etter vertikale kanaler av hvitt rom som går nedover siden og deler siden i kolonner der, deretter leser hver kolonne i rekkefølge.
- Løpende overskrifter, sidetall og rotert tekst i margen oppdages separat, så de ikke bryter kolonnene.
- Avsnitt som fortsetter fra bunnen av en kolonne til toppen av neste blir sammenkoblet.
Hvor det fortsatt feiler
- På et to-søylers arXiv-papir i vår benchmark, beholder en annen ekstraktor mer sammenhengende tekst enn vår. To-søylersaken viser tallene.
- Tabeller leses som tekst i leseorden; de gjenoppbygges ikke som tabeller.
| Motor | 8-gram tilbakekalling |
|---|---|
| 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 |
Skannede sider leses med OCR: gratis opp til 10 sider, lengre PDF-er på Pro og Business. Rapporten lister opp dem så du kan sjekke navn og tall.
FAQ
Er det gratis?
Ja, for de fleste bøker: opptil 3 hele bøker om dagen, hver på opptil 300 sider og 50 MB, uten noe konto. Lengre bøker og skannede PDF-er over 10 sider er på Pro og Business.
Vil EPUB være perfekt?
Ingen konverterer kan love det, og vi gjør det ikke. Når motoren oppdager problemer (uleste tegn, tvilsom leserekkefølge) viser den en advarsel i stedet for å skjule det, og kvalitetsrapporten lister sidene verdt å sjekke.
Bør jeg bruke Calibre i stedet?
Hvis din PDF er en enkel enkolonne tekst, kan Calibre's gratis konverterer være tilstrekkelig. EpubCC er for de vanskelige tilfellene: bruddne avsnitt, gjentatte overskrifter og sidetall, fotnoter, kolonner og kapitler.