EpubCCTa bort upprepade rubriker och sidnummer från en konverterad PDF
Körande rubriker, fotnoter och sidnummer hamnar mitt i meningar när en konverterare kopierar varje rad av PDF. EpubCC jämför sidor, hittar korta rader som upprepas högst upp och längst ner, och tar bort dem tillsammans med endast sidnummer.
Upp till 3 hela böcker per dag gratis. Inget konto behövs.
Uppdaterad:
Privata filer. Används aldrig för träning. Raderas automatiskt, eller omedelbart när du trycker på Radera nu.
Se skillnaden i läsning.
Varför det händer
I en PDF är bokens titel, kapitlets namn och sidnummer bara mer text på varje sida. En konverterare som inte jämför sidor kan inte särskilja dem från brödtexten, så de hamnar mellan två halvor av en mening varje gång sidan vänds.
Hur EpubCC tar bort dem
- Korta block i de övre eller nedre 12% av sidan som upprepas på minst 3 sidor behandlas som marginaler (siffror och romerska siffror normaliseras, så "Sida 12" och "Sida 13" räknas som samma rad).
- Ett block som endast är ett sidnummer tas bort vart det än visas i marginalen.
- Meningen som avbryts av sidbrytningen kopplas sedan samman igen.
Vad benchmarken visar
Marginaläckagemåttet är andelen upprepade marginaler som finns kvar i texten. Det är endast pålitligt för motorer som delar upp rader på samma sätt som pdftotext -layout gör, så läs det som en vägledning, inte en ranking.
| Motor | Marginalläckage |
|---|---|
| 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 |
Skannade sidor läses med OCR: gratis upp till 10 sidor, längre PDF:er på Pro och Business. Rapporten listar dem så att du kan kontrollera namn och nummer.
FAQ
Är det gratis?
Ja, för de flesta böcker: upp till 3 hela böcker om dagen, varje upp till 300 sidor och 50 MB, utan konto. Längre böcker och skannade PDF:er över 10 sidor är på Pro och Business.
Kommer EPUB att bli perfekt?
Ingen konverterare kan lova det, och vi gör inte det. När motorn upptäcker problem (oläsliga glyfer, tveksamma läsordningar) visar den en varning istället för att dölja den, och kvalitetsrapporten listar sidorna som är värda att kontrollera.