EpubCCFjern gentagne overskrifter og sidenumre fra en konverteret PDF
Kørende overskrifter, fodnoter og sidenumre ender i midten af sætninger, når en konverter kopierer hver linje af PDF. EpubCC sammenligner sider, finder de korte linjer, der gentages øverst og nederst, og fjerner dem sammen med bare sidenumre.
Op til 3 hele bøger om dagen gratis. Ingen konto nødvendig.
Opdateret:
Private filer. Aldrig brugt til træning. Sletter automatisk, eller straks når du trykker på Slet nu.
Se forskellen i læsning.
Hvorfor det sker
I en PDF er bogtitel, kapitelnavn og sidenummer bare mere tekst på hver side. En konverter, der ikke sammenligner sider, kan ikke skelne dem fra brødteksten, så de havner mellem to halvdele af en sætning, hver gang siden drejer.
Hvordan EpubCC fjerner dem
- Korte blokke i de øverste eller nederste 12% af siden, der gentages på mindst 3 sider, behandles som margener (cifre og romertallene normaliseres, så 'Side 12' og 'Side 13' tæller som den samme linje).
- En blok, der kun er et sidenummer, fjernes, hvor som helst den optræder i margen.
- Sætningen, der blev afbrudt af sideskiftet, bliver derefter samlet igen.
Hvad benchmarket viser
Margin-lek målet er andelen af gentagne marginlinjer tilbage i teksten. Det er kun pålideligt for motorer, der deler linjer som pdftotext-layout gør, så læs det som en vejledning, ikke en rangering.
| Motor | Margin lækage |
|---|---|
| EpubCC engine (EPUB output) | 0.059 |
| EpubCC engine (plain text) | 0.881 |
| pdf_oxide · extract_text | 0.829 |
| pdf_oxide · to_plain_text (XY-cut) | 0.797 |
| pdf_oxide · Markdown | 0.108 |
| PDFium · text().all() | 0.963 |
| OpenDataLoader PDF (local mode) | 0.044 |
| pdftotext (Poppler) | 0.230 |
| Calibre · ebook-convert (EPUB output) | 0.694 |
| EpubCC engine (EPUB, same extractor as Calibre) | 0.062 |
Scannede sider læses med OCR: gratis op til 10 sider, længere PDF'er på Pro og Business. Rapporten viser dem, så du kan tjekke navne og numre.
FAQ
Er det gratis?
Ja, for de fleste bøger: op til 3 hele bøger om dagen, hver på op til 300 sider og 50 MB, uden konto. Længere bøger og scannede PDF'er over 10 sider er på Pro og Business.
Bliver EPUB perfekt?
Ingen konverter kan love det, og det gør vi ikke. Når motoren opdager problemer (ulæselige glypher, tvivlsom læseorden) viser den en advarsel i stedet for at skjule det, og kvalitetsrapporten opregner de sider, der er værd at tjekke.