EpubCCFixar omblandade spalter i en PDF-till-EPUB konvertering
Kolumner blandas när en konverterare läser varje rad rakt över sidan, så varje rad förenar en halv mening från en kolumn med en halv mening från nästa. EpubCC hittar luckorna mellan kolumner och läser varje kolumn från topp till botten innan den går till nästa.
Upp till 3 hela böcker per dag gratis. Inget konto behövs.
Uppdaterad:
Privata filer. Används aldrig för träning. Raderas automatiskt, eller omedelbart när du trycker på Radera nu.
Se skillnaden i läsning.
Varför det händer
En PDF lagrar tecken med positioner, inte kolumner. Vissa konverterare följer den ordning som PDF ritar texten, andra sveper varje rad från vänster till höger; på en sida med två eller tre kolumner kan båda blanda kolumnerna, och resultatet läses som nonsens.
Hur EpubCC håller kolumnerna åtskilda
- Den letar efter vertikala kanaler av vitt utrymme som går nedåt på sidan och delar sidan i kolumner där, och läser sedan varje kolumn i ordning.
- Körande rubriker, sidnummer och roterad text i marginalen upptäcks separat, så att de inte bryter kolumnerna.
- Stycken som fortsätter från botten av en kolumn till toppen av nästa sammanfogas.
Var det fortfarande misslyckas
- På ett tvåkolumns arXiv-papper i vår benchmark behåller en annan extraktor mer sammanhängande text än vår. Fallet med de två kolumnerna visar siffrorna.
- Tabeller läses som text i läsordning; de återskapas inte som tabeller.
| Motor | 8-gram återkallande |
|---|---|
| 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 |
Skannade sidor läses med OCR: gratis upp till 10 sidor, längre PDF:er på Pro och Business. Rapporten listar dem så att du kan kontrollera namn och nummer.
FAQ
Är det gratis?
Ja, för de flesta böcker: upp till 3 hela böcker om dagen, varje upp till 300 sidor och 50 MB, utan konto. Längre böcker och skannade PDF:er över 10 sidor är på Pro och Business.
Kommer EPUB att bli perfekt?
Ingen konverterare kan lova det, och vi gör inte det. När motorn upptäcker problem (oläsliga glyfer, tveksamma läsordningar) visar den en varning istället för att dölja den, och kvalitetsrapporten listar sidorna som är värda att kontrollera.
Ska jag använda Calibre istället?
Om din PDF är en enkel enkolumnstext kan Calibre gratis konverterare vara tillräcklig. EpubCC är för svåra fall: trasiga stycken, upprepade rubriker och sidnummer, fotnoter, kolumner och kapitel.