EpubCCEjemplos de conversión de PDF a EPUB
Cada caso es un verdadero PDF de nuestro corpus con licencia o de dominio público, convertido con el mismo motor que usas, con los resultados de cada motor que medimos, incluyendo dónde el nuestro pierde.
Actualizado:
Cada caso en esta página es un verdadero PDF de nuestro corpus de pruebas, convertido con el mismo motor y la misma configuración predeterminada que obtienes al subir un archivo. Los documentos son de dominio público o de licencia abierta (CC BY, CC BY-SA), y cada caso nombra su fuente y licencia, así que puedes descargar el original y verificar el resultado tú mismo.
Por cada uno obtienes una página del original al lado del mismo pasaje en el EPUB, la muestra EPUB para descargar, el resultado de EPUBCheck y la puntuación de cada motor que medimos en ese documento. Algunos casos muestran documentos donde otro motor lo hace mejor que el nuestro; también publicamos esos.
Los casos cubren los diseños que rompen la mayoría de los conversores: columnas, encabezados repetidos, notas al pie, capítulos y scripts no latinos. Sus propios archivos nunca se usan aquí: permanecen privados y se eliminan automáticamente.
-
Dos columnas de PDF a EPUB: un artículo académico
Un documento arXiv de dos columnas convertido a EPUB: orden de lectura, resultados por motor, EPUBCheck y límites observados. Nuestro motor no es el mejor aquí.
OLMo paper (arXiv 2402.00838)
-
Registro federal de tres columnas PDF a EPUB
Un documento del Registro Federal de tres columnas convertido a EPUB: orden de columnas, texto de margen rotado, encabezados repetidos, resultados por motor y EPUBCheck.
Federal Register document 2026-22443
-
Notas al pie de PDF a EPUB: un trabajo académico
Notas al pie en un largo artículo de arXiv convertido en EPUB notas enlazadas: lo que se detectó, resultados de texto por motor, EPUBCheck, y dónde otros motores lo hacen mejor.
QLoRA paper (arXiv 2305.14314)
-
Eliminando encabezados repetidos: el Informe de la Comisión 9/11
El Informe de la Comisión del 11/S (dominio público) convertido a EPUB con encabezados continuos y números de página eliminados: fuga de márgenes por motor y EPUBCheck.
The 9/11 Commission Report (GPO)
-
Capítulos y tabla de contenido de un libro PDF
Un libro de texto de dominio público establecido en LaTeX convertido a EPUB con capítulos del esquema de PDF: resultados por motor, EPUBCheck y los límites con fórmulas.
Calculus textbook typeset in LaTeX (Project Gutenberg #33283)
-
Árabe PDF a EPUB: texto de derecha a izquierda
Un artículo de Wikipedia en árabe convertido a un EPUB de derecha a izquierda: orden de palabras, resultados por motor, EPUBCheck y limitaciones.
Wikipedia (Arabic): One Thousand and One Nights
-
Japonés PDF a EPUB
Un artículo de Wikipedia en japonés convertido a EPUB: texto sin espacios entre palabras, resultados por motor, EPUBCheck y limitaciones.
Wikipedia (Japanese): The Tale of Genji
-
Español PDF a EPUB: acentos, «» y ¿?
Un artículo de Wikipedia en español (50 páginas) convertido a EPUB: acentos, citas «» y ¿? conservados, idioma etiquetado es, EPUBCheck limpio; pdf_oxide puntúa más alto.
Wikipedia (Spanish): Don Quijote de la Mancha
-
Francés PDF a EPUB: comillas angulares y apóstrofes
Un artículo de Wikipedia en francés convertido a EPUB: « » con espacios, apóstrofes y œ conservados, etiquetado como fr. Nuestra recuperación de 8-gramas es 0.819; pdf_oxide alcanza 0.903.
Wikipedia (French): Les Misérables
-
Alemán PDF a EPUB: dieresis, ß y „comillas“
Un artículo de Wikipedia en alemán de 86 páginas convertido a EPUB: se conservaron los umlauts, ß y las comillas „…“, etiquetado de. 8-gram recall 0.845 contra 0.877 para pdf_oxide.
Wikipedia (German): Johann Wolfgang von Goethe
-
Gráficas de PDF en EPUB: lo que se pierde
Los gráficos vectoriales en el Informe Económico del Presidente de 487 páginas no sobreviven a nuestra conversión: se pierden las líneas, las etiquetas de los ejes se convierten en texto. Evidencia real.
Economic Report of the President 2024
-
Qué pasa con un PDF escaneado
Un libro escaneado de 1867 con una vieja capa de OCR: EpubCC lee esa capa, errores y todo. Recall de 8 gramos 0.513, por debajo de PDFium's 0.651.
Alice's Adventures in Wonderland, 1867 printing (scan, Internet Archive)
-
Texto rodeado de imágenes: un límite conocido
Cuando el texto fluye alrededor de una imagen flotante, nuestro motor divide el párrafo y puede mezclar el pie de foto. Una muestra real de un PDF de Wikipedia en inglés.
Wikipedia (English): Alice's Adventures in Wonderland
-
Informe gubernamental PDF a EPUB: notas al pie conservadas
Un informe GAO de 58 páginas para EPUB: se encontraron 50 notas al pie, 47 vinculadas a sus referencias, pies de página en ejecución eliminados, EPUBCheck limpio. Tablas y figuras permanecen limitadas.
GAO report 24-106219
-
Reglamento de la UE PDF a EPUB, en español
La Ley de IA española de 144 páginas del Diario Oficial de la UE a EPUB: 125 capítulos, encabezados eliminados, precisión 0.982. Los puntos numerados pueden soltarse.
EU AI Act, Regulation 2024/1689 (Spanish, EUR-Lex)
-
PDF con ecuaciones a EPUB: el resultado honesto
Un documento de arXiv con CC BY que tiene ecuaciones de visualización para EPUB: la prosa y los símbolos en línea sobreviven, las ecuaciones de visualización salen distorsionadas. Sin MathML aún. Muestra real.
Direct Preference Optimization paper (arXiv 2305.18290)
-
PDF numerados por línea a EPUB: aún no manejado
Un proyecto de ley del Senado de EE. UU. numerado para EPUB: los números de margen se convierten en una pila de párrafos sueltos y palabras separadas. Cada motor tiene dificultades; el nuestro también.
Kids Online Safety Act bill, S. 1409 (line-numbered)