EpubCCUsuń powtarzające się nagłówki i numery stron z przekonwertowanego PDF
Nagłówki, stopki i numery stron znajdują się w środku zdań, gdy konwerter kopiuje każdą linię PDF. EpubCC porównuje strony, znajduje krótkie linie, które powtarzają się na górze i na dole oraz usuwa je wraz z nagimi numerami stron.
Do 3 całych książek dziennie za darmo. Nie potrzeba konta.
Zaktualizowane:
Prywatne pliki. Nigdy nie używane do treningu. Usunięte automatycznie lub od razu po naciśnięciu Usuń teraz.
Zobacz różnicę w czytaniu.
Dlaczego to się dzieje
W PDF tytuł książki, nazwa rozdziału i numer strony to po prostu więcej tekstu na każdej stronie. Konwerter, który nie porównuje stron, nie może ich odróżnić od treści, więc za każdym razem, gdy strona się przewraca, lądują pomiędzy dwiema połowami zdania.
Jak EpubCC je usuwa
- Krótkie bloki w górnych lub dolnych 12% strony, które powtarzają się na co najmniej 3 stronach, są traktowane jako marginesy (cyfry i liczby rzymskie są normalizowane, więc „Strona 12” i „Strona 13” liczą się jako ta sama linia).
- Blok, który jest tylko numerem strony, jest usuwany wszędzie tam, gdzie się pojawia na marginesie.
- Zdanie przerwane przez łamanie strony zostanie ponownie połączone.
Co pokazuje benchmark
Miernik wycieków marginesów to udział powtarzających się linii marginesów pozostawionych w tekście. Jest wiarygodny tylko dla silników, które dzielą linie tak jak pdftotext -layout, więc traktuj to jako wskazówkę, a nie ranking.
| Silnik | Wycieki marginesów |
|---|---|
| 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 |
Skanowane strony są odczytywane z OCR: za darmo do 10 stron, dłuższe PDF-y w Pro i Business. Raport je wymienia, abyś mógł sprawdzić imiona i liczby.
FAQ
Czy to jest darmowe?
Tak, dla większości książek: do 3 całych książek dziennie, każda do 300 stron i 50 MB, bez konta. Dłuższe książki i skanowane PDF-y powyżej 10 stron są w Pro i Business.
Czy EPUB będzie perfekcyjny?
Żaden konwerter nie może tego obiecać, a my także nie. Gdy silnik wykrywa problemy (nieczytelne glify, wątpliwe porządki odczytu), pokazuje ostrzeżenie zamiast je ukrywać, a raport jakości wymienia strony, które warto sprawdzić.