EpubCCNapraw pomieszane kolumny w konwersji PDF do EPUB
Kolumny mieszają się, gdy konwerter odczytuje każdą linię prosto przez stronę, więc każda linia łączy połowę zdania z jednej kolumny z połową zdania z następnej. EpubCC znajduje przerwy między kolumnami i odczytuje każdą kolumnę od góry do dołu, zanim przejdzie do następnej.
Do 3 całych książek dziennie za darmo. Nie potrzeba konta.
Zaktualizowane:
Prywatne pliki. Nigdy nie używane do treningu. Usunięte automatycznie lub od razu po naciśnięciu Usuń teraz.
Zobacz różnicę w czytaniu.
Dlaczego to się dzieje
PDF przechowuje znaki z pozycjami, a nie kolumnami. Niektórzy konwerterzy stosują kolejność, w jakiej PDF rysuje tekst, inni przesuwają każdą linię z lewej do prawej; na stronie z dwiema lub trzema kolumnami może to pomieszać kolumny, a wynik czyta się jak nonsens.
Jak EpubCC utrzymuje kolumny osobno
- Szukaj pionowych kanałów białej przestrzeni, które biegną w dół strony i dzielą stronę na kolumny w tych miejscach, a następnie odczytuje każdą kolumnę w kolejności.
- Bieżące nagłówki, numery stron i obrócony tekst w marginesie są wykrywane osobno, więc nie łamią kolumn.
- Akapity, które przechodzą z dołu jednej kolumny na górę następnej, są połączone.
Gdzie nadal zawodzi
- Na papierze arXiv w dwóch kolumnach w naszym teście, inny ekstraktor utrzymuje bardziej ciągły tekst niż nasz. Przypadek dwóch kolumn pokazuje liczby.
- Tabele są odczytywane jako tekst w porządku czytania; nie są odbudowywane jako tabele.
| Silnik | Przywołanie 8-gramowe |
|---|---|
| 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 |
Skanowane strony są odczytywane z OCR: za darmo do 10 stron, dłuższe PDF-y w Pro i Business. Raport je wymienia, abyś mógł sprawdzić imiona i liczby.
FAQ
Czy to jest darmowe?
Tak, dla większości książek: do 3 całych książek dziennie, każda do 300 stron i 50 MB, bez konta. Dłuższe książki i skanowane PDF-y powyżej 10 stron są w Pro i Business.
Czy EPUB będzie perfekcyjny?
Żaden konwerter nie może tego obiecać, a my także nie. Gdy silnik wykrywa problemy (nieczytelne glify, wątpliwe porządki odczytu), pokazuje ostrzeżenie zamiast je ukrywać, a raport jakości wymienia strony, które warto sprawdzić.
Czy powinienem użyć Calibre zamiast tego?
Jeśli twój PDF to prosty jednokolumnowy tekst, darmowy konwerter Calibre może być wystarczający. EpubCC jest na trudne przypadki: uszkodzone paragrafy, powtarzające się nagłówki i numery stron, przypisy, kolumny i rozdziały.