EpubCCΠαραδείγματα μετατροπής PDF σε EPUB
Κάθε περίπτωση είναι ένα πραγματικό PDF από το άδειασμα ή την δημόσια τοποθεσία, μετατραπέντα με τη ίδια μηχανή που χρησιμοποιείς, με τα αποτελέσματα κάθε μηχανής που μετρήσαμε, συμπεριλαμβανομένου πού χάνει η δική μας.
Ενημερωμένο:
Κάθε περίπτωση σε αυτή τη σελίδα είναι ένα πραγματικό PDF από την τράπεζα δοκιμών μας, μετατραπέντα με την ίδια μηχανή και τις ίδιες προεπιλεγμένες ρυθμίσεις που παίρνεις όταν ανεβάζεις ένα αρχείο. Τα έγγραφα είναι δημόσια ή ανοιχτά άδεια (CC BY, CC BY-SA), και κάθε περίπτωση ορίζει την πηγή και την άδεια της, έτσι μπορείς να κατεβάσεις το πρωτότυπο και να ελέγξεις το αποτέλεσμα ο ίδιος.
Για κάθε έναν παίρνεις μια σελίδα του πρωτοτύπου δίπλα στο ίδιο απόσπασμα στην EPUB, το δείγμα EPUB για λήψη, το αποτέλεσμα EPUBCheck και το σκορ κάθε μηχανής που μετρήσαμε σε αυτό το έγγραφο. Ορισμένες περιπτώσεις δείχνουν έγγραφα όπου μια άλλη μηχανή τα πάει καλύτερα από την δική μας. Τα δημοσιεύουμε κι αυτά.
Οι περιπτώσεις καλύπτουν τα διάταξη που σπάνε τους περισσότερους μετατροπείς: στήλες, επαναλαμβανόμενους τίτλους, υποσημειώσεις, κεφάλαια και μη λατινικά σενάρια. Τα δικά σας αρχεία δεν χρησιμοποιούνται ποτέ εδώ: παραμένουν ιδιωτικά και διαγράφονται αυτόματα.
-
Δύο-στήλη PDF σε EPUB: μια ακαδημαϊκή εργασία
Ένα έγγραφο arXiv δύο στηλών που μετατράπηκε σε EPUB: σειρά ανάγνωσης, αποτελέσματα ανά μηχανή, EPUBCheck και παρατηρούμενοι περιορισμοί. Η μηχανή μας δεν είναι η καλύτερη εδώ.
OLMo paper (arXiv 2402.00838)
-
Τρεις στήλες PDF σε EPUB: το Ομοσπονδιακό Μητρώο
Ένα έγγραφο τριών στηλών του Federal Register που μετατράπηκε σε EPUB: σειρά στηλών, κείμενο περιθωρίου περιστροφής, επαναλαμβανόμενοι τίτλοι, αποτελέσματα ανά μηχανή και EPUBCheck.
Federal Register document 2026-22443
-
PDF υποσημειώσεις σε EPUB σημειώσεις: μια ακαδημαϊκή εργασία
Υποσημειώσεις σε μια εκτενή εργασία arXiv που μετατράπηκε σε συνδεδεμένες EPUB σημειώσεις: τι ανιχνεύτηκε, αποτελέσματα κειμένου ανά μηχανή, EPUBCheck, και πού άλλες μηχανές τα καταφέρνουν καλύτερα.
QLoRA paper (arXiv 2305.14314)
-
Αφαιρώντας επαναλαμβανόμενες κεφαλίδες: η Έκθεση της Επιτροπής 9/11
Η Έκθεση της Επιτροπής 9/11 (δημόσιος τομέας) μετατράπηκε σε EPUB με απομακρωμένα τρέχοντα κεφαλίδα και αριθμούς σελίδων: διαρροή περιθωρίου ανά μηχανή και EPUBCheck.
The 9/11 Commission Report (GPO)
-
Κεφάλαια και περιεχόμενα από ένα βιβλίο PDF
Ένα δημόσιο σχολικό εγχειρίδιο τύπου LaTeX μετατράπηκε σε EPUB με κεφάλαια από το περίγραμμα PDF: αποτελέσματα ανά μηχανή, EPUBCheck και τα όρια με τις εξισώσεις.
Calculus textbook typeset in LaTeX (Project Gutenberg #33283)
-
Αραβικό PDF σε EPUB: κείμενο από δεξιά προς αριστερά
Ένα άρθρο της αραβικής Wikipedia μετατράπηκε σε μια μορφή από τα δεξιά προς τα αριστερά EPUB: η σειρά λέξεων, τα αποτελέσματα ανά μηχανή, EPUBCheck και περιορισμοί.
Wikipedia (Arabic): One Thousand and One Nights
-
Ιαπωνικό PDF σε EPUB
Ένα άρθρο της ιαπωνικής Wikipedia μετατράπηκε σε EPUB: κείμενο χωρίς κενά μεταξύ των λέξεων, αποτελέσματα ανά μηχανή, EPUBCheck και περιορισμοί.
Wikipedia (Japanese): The Tale of Genji
-
Ισπανικά PDF σε EPUB: τόνους, «» και ¿?
Ένα άρθρο της ισπανικής Wikipedia (50 σελίδες) μετατράπηκε σε EPUB: οι τόνοι, τα «» αποσπάσματα και το ¿? διατηρήθηκαν, η γλώσσα επισημασμένη es, EPUBCheck καθαρή; pdf_oxide βαθμολογία υψηλότερη.
Wikipedia (Spanish): Don Quijote de la Mancha
-
Γαλλικά PDF σε EPUB: γκιλιέμετ και απόστροφοι.
Ένα άρθρο της γαλλικής Wikipedia μετατράπηκε σε EPUB: « » με κενά, απόστροφους και œ διατηρημένα, ετικέτα fr. Η ανακάλυψη μας σε 8-γράμματα είναι 0.819; pdf_oxide φτάνει 0.903.
Wikipedia (French): Les Misérables
-
Γερμανικά PDF σε EPUB: διαβαθμισμένα φωνήεντα, ß και „εισαγωγικά“
Ένα άρθρο της γερμανικής Wikipedia 86 σελίδων μετατράπηκε σε EPUB: διατηρήθηκαν τα umlauts, ß και οι «…» αποσπάσεις, χαρακτηρισμένο de. Η ανάκληση 8-γραμμα 0.845 σε σχέση με 0.877 για pdf_oxide.
Wikipedia (German): Johann Wolfgang von Goethe
-
Γραφήματα PDF σε EPUB: τι χάνεται
Χάρτες διανύσματος στην 487 σελίδων Οικονομική Έκθεση του Προέδρου δεν επιβιώνουν από τη μετατροπή μας: οι γραμμές χάνονται, οι ετικέτες αξόνων γίνονται κείμενο. Πραγματική απόδειξη.
Economic Report of the President 2024
-
Τι συμβαίνει με ένα σαρωμένο PDF
Ένα σκανάρισμα του 1867 από βιβλίο με ένα παλιό OCR στρώμα: EpubCC διαβάζει αυτό το στρώμα, λάθη και όλα. Η ανάκληση 8-γραμμάτων 0.513, κάτω από το PDFium's 0.651.
Alice's Adventures in Wonderland, 1867 printing (scan, Internet Archive)
-
Κείμενο περιτυλιγμένο γύρω από εικόνες: ένα γνωστό όριο
Όταν το κείμενο ρέει γύρω από μια πλωτή εικόνα, ο κινητήρας μας σπάει την παράγραφο και μπορεί να αναμείξει τη λεζάντα. Ένα πραγματικό δείγμα από ένα αγγλικό Wikipedia PDF.
Wikipedia (English): Alice's Adventures in Wonderland
-
Έκθεση κυβέρνησης PDF σε EPUB: διατηρούνται οι υποσημειώσεις
Μια αναφορά 58 σελίδων GAO προς EPUB: 50 υποσημειώσεις βρέθηκαν, 47 συνδέθηκαν με τις κλήσεις τους, οι επαναλαμβανόμενες υποσέλιδες αφαιρέθηκαν, EPUBCheck καθαρή. Οι πίνακες και οι φιγούρες παραμένουν περιορισμένοι.
GAO report 24-106219
-
Ευρωπαϊκή κανονιστική ρύθμιση PDF σε EPUB, στα ισπανικά.
Ο 144-σελίδων Ισπανικός Νόμος AI από το Επίσημο Δημόσιο Έγγραφο της ΕΕ σε EPUB: 125 κεφάλαια, κεφαλίδες αφαιρέθηκαν, ακρίβεια 0.982. Οι αριθμημένοι πόντοι μπορεί να αποδεσμευτούν.
EU AI Act, Regulation 2024/1689 (Spanish, EUR-Lex)
-
PDF με εξισώσεις σε EPUB: το ειλικρινές αποτέλεσμα
Ένα άρθρο ανοιχτού τύπου CC BY arXiv με αναπτυγμένες εξισώσεις προς EPUB: η πρόζα και τα ενσωματωμένα σύμβολα επιβιώνουν, οι αναπτυγμένες εξισώσεις βγαίνουν πάρα πολύ μπερδεμένες. Δεν υπάρχει MathML ακόμη. Πραγματικό δείγμα.
Direct Preference Optimization paper (arXiv 2305.18290)
-
Με αριθμούς γραμμής PDF σε EPUB: δεν έχει χειριστεί ακόμα
Ένας αριθμημένος λογαριασμός της Γερουσίας των Η.Π.Α. για EPUB: οι αριθμοί περιθωρίου γίνονται μια στοίβα από αποσπασμένα παραγράμματα και λέξεις. Κάθε μηχανή αγωνίζεται· και η δική μας επίσης.
Kids Online Safety Act bill, S. 1409 (line-numbered)