EpubCCΑφαιρέστε τις επαναλαμβανόμενες κεφαλίδες και τους αριθμούς σελίδων από ένα μετατραπέν PDF
Οι εκτελούμενες κεφαλίδες, υποσέλιδα και αριθμοί σελίδων εμφανίζονται στη μέση προτάσεων όταν ένας μετατροπέας αντιγράφει κάθε γραμμή του PDF. Το EpubCC συγκρίνει σελίδες, βρίσκει τις σύντομες γραμμές που επαναλαμβάνονται στην κορυφή και στο κάτω μέρος και τις αφαιρεί μαζί με γυμνούς αριθμούς σελίδων.
Έως 3 ολόκληρα βιβλία την ημέρα δωρεάν. Δεν απαιτείται λογαριασμός.
Ενημερωμένο:
Ιδιωτικά αρχεία. Ποτέ δεν χρησιμοποιούνται για εκπαίδευση. Διαγράφονται αυτόματα ή αμέσως μόλις πατήσετε Διαγραφή τώρα.
Δείτε τη διαφορά στην ανάγνωση.
Γιατί συμβαίνει αυτό
Σε ένα PDF ο τίτλος του βιβλίου, το όνομα του κεφαλαίου και ο αριθμός σελίδας είναι απλώς περισσότερα κείμενα σε κάθε σελίδα. Ένας μετατροπέας που δεν συγκρίνει τις σελίδες δεν μπορεί να τα ξεχωρίσει από το σώμα, οπότε βρίσκονται μεταξύ δύο μισών προτάσεων κάθε φορά που αλλάζει η σελίδα.
Πώς η EpubCC τις αφαιρεί
- Σύντομες γραμμές στην κορυφή ή το κάτω 12% της σελίδας που επαναλαμβάνονται σε τουλάχιστον 3 σελίδες θεωρούνται περιθώρια (ψηφία και ρωμαϊκοί αριθμοί κανονικοποιούνται, οπότε το “Σελίδα 12” και “Σελίδα 13” μετράνε ως η ίδια γραμμή).
- Ένα μπλοκ που είναι μόνο αριθμός σελίδας αφαιρείται όπου και αν εμφανίζεται στη μύτη.
- Η πρόταση που διακόπηκε από το διάλειμμα σελίδας ενώνεται ξανά.
Τι δείχνει ο δείκτης
Ο μετρητής διαρροής περιθωρίου είναι το μερίδιο των επαναλαμβανόμενων γραμμών περιθωρίου που παραμένουν στο κείμενο. Είναι αξιόπιστος μόνο για μηχανές που χωρίζουν τις γραμμές όπως το pdftotext -layout, έτσι διαβάστε τον ως οδηγό, όχι ως κατάταξη.
| Μηχανή | Διαρροή περιθωρίου |
|---|---|
| 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 |
Οι σκαναρισμένες σελίδες διαβάζονται με OCR: δωρεάν έως 10 σελίδες, μεγαλύτερα PDFs σε Pro και Business. Η αναφορά τους απαριθμεί ώστε να μπορείτε να ελέγξετε τα ονόματα και τους αριθμούς.
FAQ
Είναι δωρεάν;
Ναι, για τα περισσότερα βιβλία: έως 3 ολόκληρα βιβλία την ημέρα, το καθένα έως 300 σελίδες και 50 MB, χωρίς λογαριασμό. Μακρύτερα βιβλία και σκαναρισμένα PDFs πάνω από 10 σελίδες είναι στο Pro και Business.
Θα είναι τέλειο το EPUB;
Κανένας μετατροπέας δεν μπορεί να υποσχεθεί αυτό, και δεν το κάνουμε. Όταν η μηχανή ανιχνεύει προβλήματα (μη αναγνώσιμα γλυφικά, θεωρητική αμφίβολη σειρά ανάγνωσης) δείχνει μια προειδοποίηση αντί να το κρύβει, και η αναφορά ποιότητας αναφέρει τις σελίδες που αξίζει να ελέγξετε.