EpubCCRimuovi intestazioni ripetute e numeri di pagina da un PDF convertito
Le intestazioni, i piè di pagina e i numeri di pagina si trovano in mezzo alle frasi quando un convertitore copia ogni riga del PDF. EpubCC confronta le pagine, trova le righe corte che si ripetono in cima e in fondo, e le rimuove insieme ai numeri di pagina isolati.
Fino a 3 libri interi al giorno gratuiti. Nessun account richiesto.
Aggiornato:
File privati. Mai usati per l'addestramento. Eliminati automaticamente, o immediatamente quando premi Elimina ora.
Vedi la differenza nella lettura.
Perché succede
In un PDF il titolo del libro, il nome del capitolo e il numero di pagina sono solo altro testo su ciascuna pagina. Un convertitore che non confronta le pagine non può distinguerli dal corpo, quindi si trovano tra due metà di una frase ogni volta che cambia pagina.
Come EpubCC li rimuove
- Blocchi brevi nella parte superiore o inferiore del 12% della pagina che si ripetono su almeno 3 pagine vengono trattati come margini (le cifre e i numeri romani sono normalizzati, quindi "Pagina 12" e "Pagina 13" contano come la stessa riga).
- Un blocco che è solo un numero di pagina viene rimosso ovunque compaia nel margine.
- La frase interrotta dal fine pagina viene poi riunita.
Cosa mostra il benchmark
La metrica del margin-leak è la percentuale di righe di margine ripetute lasciate nel testo. È affidabile solo per i motori che dividono le righe come fa pdftotext -layout, quindi leggila come una guida, non come una classifica.
| Motore | Perdita di margini |
|---|---|
| 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 |
Le pagine scansionate vengono lette con OCR: gratuito fino a 10 pagine, PDF più lunghi su Pro e Business. Il rapporto le elenca così puoi controllare nomi e numeri.
FAQ
È gratuito?
Sì, per la maggior parte dei libri: fino a 3 libri interi al giorno, ciascuno fino a 300 pagine e 50 MB, senza alcun account. Libri più lunghi e PDF scansionati oltre 10 pagine sono su Pro e Business.
Il EPUB sarà perfetto?
Nessun convertitore può promettere questo, e noi non lo facciamo. Quando il motore rileva problemi (glifi illeggibili, ordine di lettura dubbioso) mostra un avviso invece di nasconderlo, e il rapporto di qualità elenca le pagine da controllare.