EpubCCDönüştürülmüş bir PDF'den tekrar eden başlıkları ve sayfa numaralarını kaldırın
Bir dönüştürücü, PDF'ın her satırını kopyaladığında koşan başlıklar, alt başlıklar ve sayfa numaraları cümlelerin ortasına gelir. EpubCC sayfaları karşılaştırır, üstte ve altta tekrar eden kısa satırları bulur ve onları ve çıplak sayfa numaralarını kaldırır.
Günde 3 tam kitap ücretsizdir. Hesap gerekmez.
Güncellendi:
Özel dosyalar. Eğitim için kullanılmaz. Otomatik olarak silinir veya “Şimdi Sil” butonuna bastığınızda hemen silinir.
Okumanın farkını görün.
Neden böyle oluyor
Bir PDF içinde kitap başlığı, bölüm adı ve sayfa numarası her sayfada daha fazla metin olarak yer alır. Sayfaları karşılaştırmayan bir dönüştürücü, bunları gövdenin içinden ayırt edemez, bu nedenle sayfa her döndüğünde bir cümlenin iki yarısı arasında kalır.
EpubCC bunları nasıl kaldırır
- Sayfanın en üst veya en alt %12'sinde tekrar eden kısa bloklar, en az 3 sayfada marj olarak kabul edilir (rakamlar ve roma rakamları normalleştirilir, dolayısıyla “Sayfa 12” ve “Sayfa 13” aynı satır olarak sayılır).
- Yalnızca bir sayfa numarasını içeren bir blok, görünümde her nerede görünüyorsa kaldırılır.
- Sayfa kesintisiyle kesilen cümle tekrar birleştirilmiştir.
Benchmark neyi gösteriyor
Kenar sızıntı metriği, metin içinde kalan tekrar eden kenar çizgilerinin payıdır. Sadece pdftotext -dizilimi gibi çizgileri ayıran motorlar için güvenilirdir; bu yüzden bunu bir rehber olarak okuyun, sıralama olarak değil.
| Motor | Kenarlık sızıntısı |
|---|---|
| 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 |
Taranmış sayfalar OCR ile okunur: 10 sayfaya kadar ücretsiz, daha uzun PDF'ler Pro ve Business'ta. Rapor, isimleri ve numaraları kontrol edebilmeniz için bunları listeler.
FAQ
Ücretsiz mi?
Evet, çoğu kitap için: günde en fazla 3 tam kitap, her biri en fazla 300 sayfa ve 50 MB, hesap olmadan. Daha uzun kitaplar ve 10 sayfadan fazla taranmış PDF'ler Pro ve Business planında.
EPUB mükemmel olacak mı?
Hiçbir dönüştürücü bunu taahhüt edemez ve biz de etmiyoruz. Motor problemleri tespit ettiğinde (okunabilir olmayan glifler, şüpheli okuma sırası) gizlemek yerine bir uyarı gösterir ve kalite raporu kontrol edilmesi gereken sayfaları listeler.