Vertailu

PDF EPUB:n muunnosvertailu

Name: EpubCC PDF text-extraction benchmark (2026-11-09)
Creator: EpubCC
Published: 2026-11-09
License: https://creativecommons.org/licenses/by/4.0/

Tarkista tiedostot. Vertaa tuloksia.

EpubCC'n vertailussa 9. marraskuuta 2026, EpubCC -moottori saavutti keskimääräisen 8-gramman muistamisen 0.845 19 PDF:lle itsenäistä viitetekstiä vastaan, verrattuna 0.726 Calibre:lle ja 0.755 pdftotext:lle; 33 sen 33 EPUBista läpäisi EPUBCheck ilman virheitä.

Päivitetty: 9. marraskuuta 2026

Tiedostot, asiakirjatyyppien mukaan

Dokumentti	Kaksi saraketta	Kolme saraketta	Alaviitteet	Toistuvat otsikot	Luvut	Arabia (RTL)	Japanilainen	Espanja	Ranska	Saksa	Kaaviot	Skannattu.	Käärityt kuvat	Ilmoita jalustahuomioista	EU:n sääntö	Yhtälöt	Rivinnumerot
Lähde PDF	tiedosto (PDF)	tiedosto (PDF)	tiedosto (PDF)	tiedosto (PDF)	tiedosto (PDF)	tiedosto (PDF)	tiedosto (PDF)	tiedosto (PDF)	tiedosto (PDF)	tiedosto (PDF)	tiedosto (PDF)	tiedosto (PDF)	tiedosto (PDF)	tiedosto (PDF)	tiedosto (PDF)	tiedosto (PDF)	tiedosto (PDF)
Tulokset EPUB	tiedosto (EPUB)	tiedosto (EPUB)	tiedosto (EPUB)	tiedosto (EPUB)	tiedosto (EPUB)	tiedosto (EPUB)	tiedosto (EPUB)	tiedosto (EPUB)	tiedosto (EPUB)	tiedosto (EPUB)	tiedosto (EPUB)	tiedosto (EPUB)	tiedosto (EPUB)	tiedosto (EPUB)	tiedosto (EPUB)	tiedosto (EPUB)	tiedosto (EPUB)
EPUBCheck virheitä / varoituksia	0 / 0	0 / 0	0 / 0	0 / 0	0 / 0	0 / 0	0 / 0	0 / 0	0 / 0	0 / 0	0 / 0	0 / 0	0 / 0	0 / 0	0 / 0	0 / 0	0 / 0

Menetelmä

Sama syöte. 33 PDF-tiedostoa, jokainen julkista omistusoikeutta tai vapaalla lisenssillä, käsitellään 10 tekstinpoistomoottorilla November 9, 2026.
Automaattinen arviointi. 20 PDF-tiedostosta on riippumaton viiteteksti samasta asiakirjasta (Wikipedia- tai arXiv-artikkelin HTML, Project Gutenberg -teksti tai govinfo'n tavallisen tekstin julkaisu), ei koskaan toisen työkalun ulostuloa. Tekstin laatu mitataan sitä vastaan n-gram-metriikalla.
Kelvollinen EPUB. Jokainen EPUB, jonka moottorimme kirjoittaa, tarkistetaan EPUBCheck:llä: 33 33:stä ei ollut virheitä.

4-grammin muistaminen: Jakaminen viitetekstin 4-sanan sekvensseistä, jotka löytyvät ulostulosta: sisältö palautettu.
4-grammin tarkkuus: Jakaminen ulostulon 4-sanan sekvensseistä, jotka löytyvät viitteestä: sisältö, joka kuuluu.
8-grammin muistaminen: Kuten 4-gramin muistaminen 8 sanalla: heikkenee, kun lukujärjestys tai riviliitokset katkaisevat lauseet (jatkuvuus).
Yhdistetyt sanat / 1 000: Sanoja, jotka on liimattu naapuriinsa, per 1 000 sanaa.
Jaotellut sanat / 1 000: Sanoja, jotka on katkaistu kahteen, per 1 000 sanaa.
Reunavuoto: Jakaminen toistuvista juoksevista otsikoista, alatunnisteista ja sivunumeroista, jotka jäävät tekstiin.
Kuvastamat hyökkäykset / 1 000: Merkit ilmoitetaan U+FFFD, koska PDF:lla ei ole niille Unicodea. Ilmoitettu, ei koskaan piilotettu: suurempi numero voi tarkoittaa, että moottori on rehellinen ongelmasta, johon muut reagoivat hiljaa.
Sekunnit: Dokumentin seinäaika.
Huippu MB: Huippumuisti.

Tulokset: keskiarvo moottorikohtaisesti

Tekstimittarit ovat keskiarvoja 20 asiakirjoista viittauksen kanssa; marginaalivuoto ja kartoittamattomat glyfit asiakirjoissa, joihin ne soveltuvat. Sekunnit ovat kokonaisuus kaikista 33 asiakirjoista; huippu MB on korkein yksittäinen arvo.
Moottori	Versio	Lisenssi	4-grammin muistaminen	4-grammin tarkkuus	8-grammin muistaminen	Yhdistetyt sanat / 1 000	Jaotellut sanat / 1 000	Reunavuoto	Kuvastamat hyökkäykset / 1 000	Sekunnit	Huippu MB
EpubCC engine (EPUB output) Teksti mitataan EPUB:n sisällä, jonka käyttäjä lataa; aika ja muisti sisältävät EPUB:n kirjoittamisen.	EpubCC engine, commit cb3df10 (2026-11-09)	Ours	0.917	0.758	0.845	1.459	0.789	0.059	2.400	114.5	469
EpubCC engine (plain text) Sama asettelumoottori ennen EPUB kirjoittamista.	EpubCC engine, commit cb3df10 (2026-11-09)	Ours	0.909	0.733	0.829	1.448	1.818	0.881	2.290	15.5	115
pdf_oxide · extract_text	pdf_oxide 0.3.78	MIT OR Apache-2.0	0.853	0.685	0.740	2.936	1.464	0.829	0.683	14.4	270
pdf_oxide · to_plain_text (XY-cut)	pdf_oxide 0.3.78	MIT OR Apache-2.0	0.831	0.666	0.694	2.753	1.760	0.797	0.680	15.9	272
pdf_oxide · Markdown	pdf_oxide 0.3.78	MIT OR Apache-2.0	0.821	0.657	0.692	4.445	3.638	0.108	0.478	21.5	272
PDFium · text().all()	pdfium-render 0.9.5, PDFium chromium/8125	BSD-3-Clause / Apache-2.0	0.846	0.674	0.756	1.094	2.879	0.963	3.803	6.5	100
OpenDataLoader PDF (local mode) Viite heuristiikoille; hylätty muistikäytön vuoksi moottorina.	opendataloader-pdf 2.5.17	Apache-2.0	0.818	0.664	0.734	1.474	0.373	0.044	0.439	76.3	1329
pdftotext (Poppler) Mitatanko vain: GPL-ohjelmistoa ei koskaan toimiteta EpubCC:ssa.	Poppler 25.09.1	GPL	0.853	0.680	0.755	1.318	1.040	0.230	3.045	9.0	36
Calibre · ebook-convert (EPUB output) Oletusasetukset, ei säätöä. Teksti otettu sen EPUB:stä samalla ekstraktorilla kuin kontrollikolumni. Mittausväline vain: GPL-ohjelmistoa ei koskaan toimiteta EpubCC:ssä.	calibre 9.17.0	GPL-3.0	0.852	0.683	0.726	1.045	2.629	0.694	3.746	460.2	592
EpubCC engine (EPUB, same extractor as Calibre) Kontrolli: meidän EPUB luettuna ekstraktorilla, jota käytetään Calibre:lle, joten molemmat EPUBit mitataan samalla tavalla.	EpubCC engine, same run	Ours	0.917	0.758	0.845	1.459	0.789	0.062	2.413	109.8	515

EpubCC vs Calibre, asiakirja asiakirjalta

Molemmat EPUBit luetaan samalla ekstraktorilla. Calibre oletusasetuksillaan.

0.845 vs 0.726 keskimääräinen 8-gram tutkimus samoissa 19 asiakirjoissa
33/33 vs 16/32 EPUBit, joissa ei ole EPUBCheck virheitä
0.059 vs 0.694 juoksevien otsikoiden ja sivunumerot osuudet jätetty tekstiin
113 s vs 460 s kokonaismuunnosaika

Calibre on parempi 3 niistä; listamme ne ensin. Calibre ei päättynyt 15 minuutissa: Alice's Adventures in Wonderland, 1867 printing (scan, Internet Archive).

Dokumentti	EpubCC	Calibre	EPUBCheck virheet (EpubCC / Calibre)
The Employment Situation, December 2024 (BLS)	0.929	0.937	0 / 0
Wikipedia (Arabic): One Thousand and One Nights	0.819	0.824	0 / 4
Mistral 7B paper (arXiv 2310.06825)	0.774	0.779	0 / 15
EU AI Act, Regulation 2024/1689 (Spanish, EUR-Lex)	0.988	0.987	0 / 8
EU AI Act, Regulation 2024/1689 (Greek, EUR-Lex)	0.987	0.986	0 / 6
Wikipedia (German): Johann Wolfgang von Goethe	0.862	0.853	0 / 0
QLoRA paper (arXiv 2305.14314)	0.861	0.851	0 / 39
Wikipedia (English): Alice's Adventures in Wonderland	0.778	0.763	0 / 9
Wikipedia (Spanish): Don Quijote de la Mancha	0.956	0.938	0 / 0
Calculus textbook typeset in LaTeX (Project Gutenberg #33283)	0.517	0.499	0 / 2
arXiv paper 2610.39146	0.486	0.461	0 / 6
Wikipedia (Japanese): The Tale of Genji	0.964	0.939	0 / 20
Wikipedia (French): Les Misérables	0.840	0.788	0 / 16
Direct Preference Optimization paper (arXiv 2305.18290)	0.837	0.777	0 / 37
Instructions for Schedule C (IRS, 2025)	0.917	0.784	0 / 0
Supreme Court opinion, Loper Bright v. Raimondo (22-451)	0.981	0.782	0 / 0
OLMo paper (arXiv 2402.00838)	0.892	0.640	0 / 27
Kids Online Safety Act bill, S. 1409 (line-numbered)	0.810	0.084	0 / 0
Federal Register document 2026-22443	0.851	0.121	0 / 0
The 9/11 Commission Report (GPO)	—	—	0 / 1
The Constitution of the United States (House Document 110-50)	—	—	0 / 0
Economic Report of the President 2024	—	—	0 / 9
GAO report 24-106219	—	—	0 / 0
Agriculture in the United Kingdom 2024 (Defra)	—	—	0 / 0
Income in the United States: 2023 (Census P60-282)	—	—	0 / 0
IRS Form W-4 (2026)	—	—	0 / 0
NASA Artemis presentation slides (2023)	—	—	0 / 0
NASA Spinoff 2016 (magazine)	—	—	0 / 0
CRS report R45153: Statutory Interpretation	—	—	0 / 25
NIST SP 800-53 Rev. 5 (security controls)	—	—	0 / 2419
Code of Federal Regulations, Title 21, Vol. 1 (2024)	—	—	0 / 0
The Financial Crisis Inquiry Report (FCIC)	—	—	0 / 0
Alice's Adventures in Wonderland, 1867 printing (scan, Internet Archive)	0.579	ei päättynyt	0 / —

8-gram tutkimus vaatii itsenäisen viitetekstin; asiakirjat ilman sellaista näyttävät —. Calibre on GPL-ohjelmisto, jota käytämme vain mittaamiseen; se ei koskaan ole osa EpubCC.

Missä muut moottorit voittavat meidän

Dokumentit, joissa toisen moottorin 8-grammi palautus on yli 0.02 korkeampi kuin meidän EPUB tuloksemme. Julkaisemme nämä, koska työskentelemme niiden parissa seuraavaksi.

Wikipedia (English): Alice's Adventures in Wonderland: pdf_oxide · extract_text 0.800 · EpubCC 0.778
Wikipedia (French): Les Misérables: pdf_oxide · extract_text 0.903 · EpubCC 0.841
Mistral 7B paper (arXiv 2310.06825): PDFium · text().all() 0.872 · EpubCC 0.777
QLoRA paper (arXiv 2305.14314): OpenDataLoader PDF (local mode) 0.917 · EpubCC 0.863
Alice's Adventures in Wonderland, 1867 printing (scan, Internet Archive): PDFium · text().all() 0.651 · EpubCC 0.579
Direct Preference Optimization paper (arXiv 2305.18290): OpenDataLoader PDF (local mode) 0.860 · EpubCC 0.839
The Employment Situation, December 2024 (BLS): PDFium · text().all() 0.958 · EpubCC 0.929

Tulokset asiakirjaa kohden (8-grammi muistinpalautus)

Parhaat arvot rivissä lihavoituna. — tarkoittaa, ettei tuolle asiakirjalle ole viitekokoa.
Dokumentti	Sivut	EpubCC engine (EPUB output)	EpubCC engine (plain text)	pdf_oxide · extract_text	pdf_oxide · to_plain_text (XY-cut)	pdf_oxide · Markdown	PDFium · text().all()	OpenDataLoader PDF (local mode)	pdftotext (Poppler)	Calibre · ebook-convert (EPUB output)	EpubCC engine (EPUB, same extractor as Calibre)
Wikipedia (English): Alice's Adventures in Wonderland	24	0.778	0.771	0.800	0.800	0.672	0.774	0.781	0.769	0.763	0.778
Wikipedia (Spanish): Don Quijote de la Mancha	50	0.956	0.942	0.963	0.963	0.857	0.945	0.954	0.944	0.938	0.956
Wikipedia (French): Les Misérables	22	0.841	0.833	0.903	0.903	0.751	0.884	0.891	0.846	0.788	0.840
Wikipedia (German): Johann Wolfgang von Goethe	86	0.862	0.856	0.877	0.877	0.758	0.854	0.862	0.853	0.853	0.862
Wikipedia (Arabic): One Thousand and One Nights	17	0.819	0.812	0.315	0.315	0.273	0.001	0.000	0.659	0.824	0.819
Wikipedia (Japanese): The Tale of Genji	67	0.964	0.963	0.970	0.970	0.797	0.952	0.942	0.965	0.939	0.964
OLMo paper (arXiv 2402.00838)	21	0.893	0.891	0.854	0.273	0.719	0.761	0.820	0.781	0.640	0.892
Mistral 7B paper (arXiv 2310.06825)	9	0.777	0.774	0.767	0.778	0.800	0.872	0.859	0.821	0.779	0.774
QLoRA paper (arXiv 2305.14314)	26	0.863	0.860	0.817	0.852	0.868	0.908	0.917	0.770	0.851	0.861
Federal Register document 2026-22443	45	0.857	0.853	0.334	0.035	0.339	0.859	0.801	0.835	0.121	0.851
The 9/11 Commission Report (GPO)	585	—	—	—	—	—	—	—	—	—	—
The Constitution of the United States (House Document 110-50)	85	—	—	—	—	—	—	—	—	—	—
Economic Report of the President 2024	487	—	—	—	—	—	—	—	—	—	—
Calculus textbook typeset in LaTeX (Project Gutenberg #33283)	292	0.517	0.498	0.479	0.496	0.481	0.494	0.533	0.511	0.499	0.517
Alice's Adventures in Wonderland, 1867 printing (scan, Internet Archive)	212	0.579	0.544	0.632	0.639	0.524	0.651	0.625	0.156	—	0.579
GAO report 24-106219	58	—	—	—	—	—	—	—	—	—	—
Direct Preference Optimization paper (arXiv 2305.18290)	27	0.839	0.833	0.780	0.777	0.807	0.838	0.860	0.827	0.777	0.837
EU AI Act, Regulation 2024/1689 (Spanish, EUR-Lex)	144	0.988	0.983	0.988	0.988	0.988	0.989	0.996	0.986	0.987	0.988
Kids Online Safety Act bill, S. 1409 (line-numbered)	50	0.810	0.608	0.184	0.089	0.511	0.088	0.088	0.101	0.084	0.810
Agriculture in the United Kingdom 2024 (Defra)	194	—	—	—	—	—	—	—	—	—	—
Income in the United States: 2023 (Census P60-282)	59	—	—	—	—	—	—	—	—	—	—
The Employment Situation, December 2024 (BLS)	42	0.929	0.939	0.882	0.882	0.521	0.958	0.358	0.348	0.937	0.929
IRS Form W-4 (2026)	5	—	—	—	—	—	—	—	—	—	—
Instructions for Schedule C (IRS, 2025)	19	0.917	0.911	0.933	0.933	0.850	0.933	0.825	0.912	0.784	0.917
NASA Artemis presentation slides (2023)	33	—	—	—	—	—	—	—	—	—	—
NASA Spinoff 2016 (magazine)	242	—	—	—	—	—	—	—	—	—	—
Supreme Court opinion, Loper Bright v. Raimondo (22-451)	114	0.977	0.966	0.779	0.779	0.717	0.779	0.976	0.966	0.782	0.981
CRS report R45153: Statutory Interpretation	65	—	—	—	—	—	—	—	—	—	—
arXiv paper 2610.39146	14	0.489	0.476	0.449	0.484	0.450	0.489	0.489	0.474	0.461	0.486
EU AI Act, Regulation 2024/1689 (Greek, EUR-Lex)	144	0.987	0.981	0.987	0.987	0.986	0.987	0.996	0.984	0.986	0.987
NIST SP 800-53 Rev. 5 (security controls)	492	—	—	—	—	—	—	—	—	—	—
Code of Federal Regulations, Title 21, Vol. 1 (2024)	643	—	—	—	—	—	—	—	—	—	—
The Financial Crisis Inquiry Report (FCIC)	663	—	—	—	—	—	—	—	—	—	—

Dokumentit ja lisenssit

Dokumentti	Lisenssi	Ominaisuudet	Viiteteksti
Wikipedia (English): Alice's Adventures in Wonderland	CC BY-SA 4.0 (text); images under their own licences	teksti PDF, yksi sarake, kuvat, Englanti	kyllä
Wikipedia (Spanish): Don Quijote de la Mancha	CC BY-SA 4.0 (text); images under their own licences	teksti PDF, yksi sarake, kuvat, Espanja	kyllä
Wikipedia (French): Les Misérables	CC BY-SA 4.0 (text); images under their own licences	teksti PDF, yksi sarake, Ranska	kyllä
Wikipedia (German): Johann Wolfgang von Goethe	CC BY-SA 4.0 (text); images under their own licences	teksti PDF, yksi sarake, Saksa	kyllä
Wikipedia (Arabic): One Thousand and One Nights	CC BY-SA 4.0 (text); images under their own licences	teksti PDF, yksi sarake, Arabia, oikealta vasemmalle	kyllä
Wikipedia (Japanese): The Tale of Genji	CC BY-SA 4.0 (text); images under their own licences	teksti PDF, yksi sarake, Japanilainen, CJK	kyllä
OLMo paper (arXiv 2402.00838)	CC BY 4.0	teksti PDF, kaksi saraketta, taulukot, jalkaviitteet, kuvat, tieteellinen julkaisu	kyllä
Mistral 7B paper (arXiv 2310.06825)	CC BY 4.0	teksti PDF, yksi sarake, kuvat, tieteellinen julkaisu, lyhyt	kyllä
QLoRA paper (arXiv 2305.14314)	CC BY 4.0	teksti PDF, yksi sarake, taulukot, jalkaviitteet, tieteellinen julkaisu, pitkä	kyllä
Federal Register document 2026-22443	Public domain (work of the U.S. Government)	teksti PDF, kolme saraketta, toistuvat otsikot, jalkaviitteet	kyllä
The 9/11 Commission Report (GPO)	Public domain (work of the U.S. Government)	teksti PDF, kirja, luvut, toistuvat otsikot, loppuviitteet, pitkä, kuormitustesti	ei
The Constitution of the United States (House Document 110-50)	Public domain (work of the U.S. Government)	teksti PDF, kirja, toistuvat otsikot, sisällysluettelo	ei
Economic Report of the President 2024	Public domain (work of the U.S. Government)	teksti PDF, kirja, taulukot, kaaviot, laatikot, jalkaviitteet, pitkä	ei
Calculus textbook typeset in LaTeX (Project Gutenberg #33283)	Public domain in the U.S. (Project Gutenberg; its trademark only under its licence)	teksti PDF, kirja, luvut, toistuvat otsikot, jalkaviitteet, kaavat	kyllä
Alice's Adventures in Wonderland, 1867 printing (scan, Internet Archive)	Public domain (1867; University of Toronto scan on the Internet Archive)	skannattu, OCR kerros, kirja, luvut, kuvitukset	kyllä
GAO report 24-106219	Public domain (U.S. Government work; GAO notes it may contain third-party copyrighted material)	teksti PDF, yksi sarake, jalkaviitteet, toistuvat otsikot, kuvat, taulukot, raportti	ei
Direct Preference Optimization paper (arXiv 2305.18290)	CC BY 4.0	teksti PDF, yksi sarake, kaavat, jalkaviitteet, tieteellinen julkaisu	kyllä
EU AI Act, Regulation 2024/1689 (Spanish, EUR-Lex)	Reuse authorised, including commercial (Decision 2011/833/EU; EUR-Lex legal notice), © European Union	teksti PDF, yksi sarake, toistuvat otsikot, luvut, Espanja, lainateksti	kyllä
Kids Online Safety Act bill, S. 1409 (line-numbered)	Public domain (work of the U.S. Government)	teksti PDF, yksi sarake, rivinumerot, lainateksti	kyllä
Agriculture in the United Kingdom 2024 (Defra)	Open Government Licence v3.0 (© Crown copyright)	teksti PDF, taulukot, tekstitykset, raportti, Englanti, vaikea	ei
Income in the United States: 2023 (Census P60-282)	Public domain (U.S. Government work, 17 U.S.C. §105)	teksti PDF, taulukot, kuvat, sisällysluettelo, raportti, vaikea	ei
The Employment Situation, December 2024 (BLS)	Public domain (U.S. Government work, 17 U.S.C. §105)	teksti PDF, taulukot, monitasoiset otsikot, vaikea	kyllä
IRS Form W-4 (2026)	Public domain (U.S. Government work, 17 U.S.C. §105)	teksti PDF, lomake, lomakekentät, vaikea	ei
Instructions for Schedule C (IRS, 2025)	Public domain (U.S. Government work, 17 U.S.C. §105)	teksti PDF, kaksi saraketta, 3-tasoinen sisällysluettelo, taulukot, vaikea	kyllä
NASA Artemis presentation slides (2023)	Public domain (NASA; NTRS: public use permitted)	teksti PDF, dio, kuvat, vaikea	ei
NASA Spinoff 2016 (magazine)	Text in the public domain (NASA); some images credited to third parties	teksti PDF, lehti, kolme saraketta, kuvat, vaikea	ei
Supreme Court opinion, Loper Bright v. Raimondo (22-451)	Public domain (U.S. Government work, 17 U.S.C. §105)	teksti PDF, jalkaviitteet, lainateksti, toistuvat otsikot, vaikea	kyllä
CRS report R45153: Statutory Interpretation	Public domain (U.S. Government work, per the report itself)	teksti PDF, jalkaviitteet, lainateksti, vaikea	ei
arXiv paper 2610.39146	CC BY 4.0	teksti PDF, kaavat, tieteellinen julkaisu, vaikea	kyllä
EU AI Act, Regulation 2024/1689 (Greek, EUR-Lex)	Reuse authorised, including commercial (Decision 2011/833/EU; EUR-Lex legal notice), © European Union	teksti PDF, Kreikka, useita skriptejä, lainateksti, vaikea	kyllä
NIST SP 800-53 Rev. 5 (security controls)	No copyright in the U.S. (NIST)	teksti PDF, 3-tasoinen sisällysluettelo, pitkä, taulukot, vaikea	ei
Code of Federal Regulations, Title 21, Vol. 1 (2024)	Public domain (U.S. Government work, 17 U.S.C. §105)	teksti PDF, kaksi saraketta, pitkä, lainateksti, vaikea	ei
The Financial Crisis Inquiry Report (FCIC)	Public domain (U.S. Government work, 17 U.S.C. §105)	teksti PDF, kirja, pitkä, puuttuva ToUnicode, vaikea	ei

Näiden numeroiden rajat

Marginaalivuoto-mittari on luotettava vain moottoreille, jotka jakavat rivejä kuten pdftotext -layout; se ei ole luotettava OpenDataLoader, pdf_oxide Markdownille tai pdftotext ilman -layoutia.
Wikipedia-viitteet jättävät pois taulukot ja infoboksit, joten tarkkuus on alhainen kaikille moottoreille kyseisissä asiakirjoissa.
1867 Alice -skannaus verrataan eri painokseen (Project Gutenberg, 1865): se on hyvä muistaa, ei tarkkuuteen. Se luetaan PDF:n oman OCR -kerroksen kautta: EpubCC:n OCR toimii vain skannatuilla sivuilla, joilla ei ole tekstikerrosta.
Tekstilaadun keskiarvot kattavat vain asiakirjat, joilla on itsenäinen viiteteksti (HTML, Gutenberg-teksti tai govinfo plain text samasta asiakirjasta, ei koskaan toisen työkalun tulosta) jotka jokainen moottori sai päätökseen. Muut ilmoittavat ajan, muistin, epäonnistuneet sivut, kartoitsemattomat glyfit ja marginaalivuotoja.
Nämä mittarit mittaavat erotettua tekstiä. Ne eivät mittaa kappaleiden tunnistamista, alaviitteiden linkittämistä tai kuinka EPUB näyttää lukijassa; EPUBCheck:n pätevyys raportoidaan erikseen meidän EPUB-tulostamme.
Calibre kulkee oletusasetuksilla (ebook-convert, ei säätöä). Sen teksti luetaan sen EPUB:stä neutraalilla ekstraktorilla; meidän EPUB, joka luettiin samalla ekstraktorilla, on kontrollikolumni, omasta tekstiämme 0.006 jokaisessa asiakirjassa. Vuoden 1867 skannauksessa Calibre ei päättynyt 15 minuutissa.
Synteettiset testiasiakirjat (tehty meillä tai meidän puolestamme moottorin testaamiseksi) on jätetty julkaistujen tulosten ulkopuolelle.

Tietoja

Jaa