EpubCCFjern gjentatte overskrifter og sidetall fra en konvertert PDF
Flytende overskrifter, bunntekster og sidetall ender opp i midten av setninger når en konverter kopierer hver linje av PDF. EpubCC sammenligner sider, finner de korte linjene som gjentar seg øverst og nederst, og fjerner dem sammen med bare sidetall.
Opptil 3 hele bøker om dagen gratis. Ingen konto nødvendig.
Oppdatert:
Private filer. Brukes aldri til trening. Slettet automatisk, eller umiddelbart når du trykker på Slett nå.
Se forskjellen i lesing.
Hvorfor det skjer
I en PDF er bokens tittel, kapitlets navn og sidetall bare mer tekst på hver side. En konverter som ikke sammenligner sider kan ikke skille dem fra teksten, så de havner mellom to halvdelene av en setning hver gang siden snur.
Hvordan EpubCC fjerner dem
- Korte blokker i de øverste eller nederste 12% av siden som gjentas på minst 3 sider behandles som marger (sifre og romertall normaliseres, så “Side 12” og “Side 13” teller som den samme linjen).
- En blokk som kun er et sidenummer fjernes hvor som helst den vises i kanten.
- Setningen som ble avbrutt av sidebruddet blir så satt sammen igjen.
Hva benchmarket viser
Margin-lekkasjemålingen er andelen av repeterte marglinjer som er igjen i teksten. Den er bare pålitelig for motorer som deler linjer slik som pdftotext-layouten gjør, så les den som en veiledning, ikke en rangering.
| Motor | Marginlekkasje |
|---|---|
| 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 |
Skannede sider leses med OCR: gratis opp til 10 sider, lengre PDF-er på Pro og Business. Rapporten lister opp dem så du kan sjekke navn og tall.
FAQ
Er det gratis?
Ja, for de fleste bøker: opptil 3 hele bøker om dagen, hver på opptil 300 sider og 50 MB, uten noe konto. Lengre bøker og skannede PDF-er over 10 sider er på Pro og Business.
Vil EPUB være perfekt?
Ingen konverterer kan love det, og vi gjør det ikke. Når motoren oppdager problemer (uleste tegn, tvilsom leserekkefølge) viser den en advarsel i stedet for å skjule det, og kvalitetsrapporten lister sidene verdt å sjekke.