EpubCCSupprimer les en-têtes répétitifs et numéros de page d'un PDF converti
Les en-têtes courants, les pieds de page et les numéros de page se retrouvent au milieu des phrases lorsque un convertisseur copie chaque ligne du PDF. EpubCC compare les pages, trouve les lignes courtes qui se répètent en haut et en bas, et les supprime avec les numéros de page nus.
Jusqu'à 3 livres entiers par jour gratuits. Aucun compte nécessaire.
Mis à jour :
Fichiers privés. Jamais utilisés pour l'entraînement. Supprimés automatiquement ou immédiatement lorsque vous appuyez sur Supprimer maintenant.
Voir la différence de lecture.
Pourquoi cela se produit
Dans un PDF, le titre du livre, le nom du chapitre et le numéro de page sont juste plus de texte sur chaque page. Un convertisseur qui ne compare pas les pages ne peut pas les distinguer du corps, donc ils se retrouvent entre deux parties d'une phrase chaque fois que la page tourne.
Comment EpubCC les supprime
- Les blocs courts dans les 12 % supérieurs ou inférieurs de la page qui se répètent sur au moins 3 pages sont considérés comme des marges (les chiffres et les chiffres romains sont normalisés, donc « Page 12 » et « Page 13 » comptent comme la même ligne).
- Un bloc qui est seulement un numéro de page est supprimé où qu'il apparaisse dans la marge.
- La phrase interrompue par le saut de page est ensuite réuni.
Ce que montre la référence
Le métrique de fuite de marge est la part des lignes de marge répétées laissées dans le texte. Il n'est fiable que pour les moteurs qui fractionnent les lignes comme le fait pdftotext -layout, donc considérez-le comme un guide, pas un classement.
| Moteur | Fuite de marge |
|---|---|
| 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 |
Les pages scannées sont lues avec OCR : gratuites jusqu'à 10 pages, PDF plus longs sur Pro et Business. Le rapport les liste afin que vous puissiez vérifier les noms et les numéros.
FAQ
Est-ce gratuit ?
Oui, pour la plupart des livres : jusqu'à 3 livres entiers par jour, chacun jusqu'à 300 pages et 50 Mo, sans compte. Des livres plus longs et des PDF scannés de plus de 10 pages sont sur Pro et Business.
Le EPUB sera-t-il parfait ?
Aucun convertisseur ne peut promettre cela, et nous ne le faisons pas non plus. Lorsque le moteur détecte des problèmes (glyphes illisibles, ordre de lecture douteux), il affiche un avertissement au lieu de le cacher, et le rapport de qualité liste les pages à vérifier.