为什么你的 PDF 转 EPUB 总是格式全乱？
如果你试过把 PDF 转成 EPUB，大概率遇到过这些问题：
- 原文的页码莫名其妙地出现在段落中间
- 两栏排版被压成一栏，阅读顺序完全错乱
- 脚注不知道跑到哪里去了，或者直接混进了正文
- 页眉页脚没有被去掉，反复出现在每一章
这不是你操作的问题，也不是某个工具特别差。这是 PDF 这个格式本身造成的。
PDF 和 EPUB：两种完全对立的设计逻辑
理解这个问题，需要先理解 PDF 到底是什么。
PDF 的全称是 Portable Document Format——可移植文档格式。它的设计目标是 在任何设备上看起来一模一样。为了实现这个目标，PDF 把每个字符、每条线、每张图片都定位在页面上的精确坐标。一个 PDF 文件内部看起来大概是这样的：
BT
/F1 12 Tf
72 720 Td
(This is a heading) Tj
ET
BT
/F2 10 Tf
72 700 Td
(This is paragraph text that continues...) Tj
ET
注意：这里没有「标题」、没有「段落」、没有「脚注」。只有字体、坐标和文字。PDF 根本不知道哪段话是标题，哪段话是正文——它只知道"在坐标(72, 720)放一个12号字的字符串"。
而 EPUB 恰恰相反。EPUB 是 语义化的结构文档，它的底层是 HTML：
<h1>This is a heading</h1>
<p>This is paragraph text that continues...</p>
<aside class="footnote">This is a footnote</aside>
EPUB 不关心文字出现在屏幕的哪个位置——那是阅读器的工作。EPUB 只关心 这段文字是什么角色：标题、正文、脚注、表格。
所以 PDF 转 EPUB 的本质是：从一堆坐标数据中，重建出文档的语义结构。
这就是为什么它这么难。
传统转换器是怎么做的？
以 Calibre 为例（它是目前最主流的免费转换工具，Calibre 团队自己也在文档里写过：PDF 是一种「非常非常差」的输入格式）。
传统转换器的工作流程大致是：
- 解析 PDF 内部结构，提取每一个文本块的坐标和字体信息
- 用规则推断语义——"如果字号是14pt且加粗，大概是标题"
- 按坐标排列阅读顺序——从左到右、从上到下
- 组装成 EPUB
这套逻辑对简单文档有效。一本纯文字的小说，字号统一，排版单一，转换效果通常没问题。
但现实中的 PDF 远不止这么简单：
多栏排版：学术论文、杂志常用两栏或三栏布局。传统转换器按坐标从左到右读，会把第一栏的第一行和第二栏的第一行拼在一起，整段话完全错乱。
页眉页脚：每一页都有页码、章节名、作者名。转换器无法区分这些「重复出现的装饰性文字」和正文内容。你会看到 "第 42 页" 突然出现在一段话中间。
脚注：脚注在 PDF 里只是页面底部的一段小字。转换器不知道它是脚注，会把它当成下一段正文的开头，直接拼上去。
跨页段落：一段话从第3页底部开始，在第4页顶部结束。传统转换器有时候会把它拆成两段不相关的文字。
这些问题不是 bug，而是 规则推断的根本局限。规则只能覆盖预期中的情况，而文档排版的多样性远远超出任何规则集的覆盖范围。
AI 为什么能做得更好？
pdf2epub.ai 采用了一种完全不同的方法：不解析 PDF 的内部数据结构，而是像人一样「看」每一页。
具体来说，转换过程是这样的：
第一步：把每页 PDF 渲染成图片
我们把每页 PDF 以 200 DPI 渲染成图片。这一步直接绕过了 PDF 内部结构的复杂性——不管 PDF 是怎么生成的（Word 导出、LaTeX 编译、扫描件），最终呈现的都是一张图片。
第二步：多模态 AI「阅读」页面
我们使用 Google Gemini Flash 模型来处理这些页面图片。Gemini 是一个多模态大语言模型，它可以同时理解图像和文字。
和传统 OCR 不同，Gemini 不是在识别「每个字符是什么」，而是在理解「这个页面上有什么内容、它们之间是什么关系」。它能分辨出：
- 页面顶部的大号加粗文字是 章节标题，不只是"14pt 粗体字"
- 页面底部用横线隔开的小字是 脚注，不是"页面末尾的一段文字"
- 两栏排版中，左栏应该从上到下读完，再读右栏
- 页码、页眉是 装饰性元素，应该被忽略
- 水印、广告标识应该被自动去除
这种能力不是靠规则写出来的，而是模型在海量文档上训练出来的「视觉理解力」。
第三步：智能合并与上下文感知
对于长文档（比如300页的教科书），我们不是简单地把每页的识别结果拼在一起。每 40 页为一个批次，使用 Gemini Pro 模型进行智能合并，同时注入以下上下文信息：
- 完整的目录结构：AI 知道当前处理的内容属于哪一章
- 前一批次的摘要：防止跨批次的内容重复或断裂
- 标题层级规范：确保整本书的标题结构一致
- 样式指南：从第一批次自动提取的文档风格规则
这意味着即使一个章节跨越了两个批次的边界，AI 也能正确地把它们衔接起来——因为它知道上下文。
第四步：自动生成可跳转的目录
基于提取的章节结构，我们自动生成 EPUB 的可导航目录。你在阅读器里可以直接点击目录跳转到对应章节，就像原生的电子书一样。
实际效果对比
| 问题类型 | 传统转换器 | pdf2epub.ai |
|---|---|---|
| 页码混入正文 | 常见 | 自动去除 |
| 多栏排版错乱 | 几乎必然发生 | AI 正确识别阅读顺序 |
| 脚注混入正文 | 常见 | 识别为脚注并正确放置 |
| 页眉页脚残留 | 需要手写正则逐本适配 | 自动识别并去除 |
| 跨页段落断裂 | 常见 | 上下文合并处理 |
| 目录 | 无或需手动创建 | 自动生成可导航目录 |
什么时候不需要 AI 转换？
说句实话：如果你要转的是一本排版简单的纯文字小说，Calibre 完全够用，而且免费。不需要为了一本简单的小说付费用 AI。
但如果你的 PDF 有 多栏排版、脚注、表格、公式、代码块，或者是 扫描件——这些正是传统工具力不从心的场景，也是 AI 转换真正发挥价值的地方。
试试看效果：pdf2epub.ai 注册即送免费额度，先转几页看看质量再决定。