EpubCCExemples de conversion de PDF à EPUB
Chaque cas est un véritable PDF de notre corpus sous licence ou du domaine public, converti avec le même moteur que vous utilisez, avec les résultats de chaque moteur que nous avons mesuré, y compris où le nôtre perd.
Mis à jour :
Chaque cas sur cette page est un véritable PDF de notre corpus de test, converti avec le même moteur et les mêmes paramètres par défaut que vous obtenez lorsque vous téléchargez un fichier. Les documents sont du domaine public ou sous licence ouverte (CC BY, CC BY-SA), et chaque cas nomme sa source et sa licence, afin que vous puissiez télécharger l'original et vérifier le résultat vous-même.
Pour chacun, vous obtenez une page de l'original à côté du même passage dans le EPUB, l'échantillon EPUB à télécharger, le résultat de EPUBCheck et le score de chaque moteur que nous avons mesuré sur ce document. Certains cas montrent des documents où un autre moteur est meilleur que le nôtre ; nous les publions aussi.
Les cas couvrent les mises en page qui perturbent le plus les convertisseurs : colonnes, en-têtes répétées, notes de bas de page, chapitres et scripts non latins. Vos propres fichiers ne sont jamais utilisés ici : ils restent privés et sont supprimés automatiquement.
-
Document académique à deux colonnes PDF à EPUB
Un papier arXiv à deux colonnes converti en EPUB : ordre de lecture, résultats par moteur, EPUBCheck et limites observées. Notre moteur n'est pas le meilleur ici.
OLMo paper (arXiv 2402.00838)
-
Trois colonnes PDF à EPUB : le Federal Register
Un document du Federal Register à trois colonnes converti en EPUB : ordre des colonnes, texte de marge tourné, en-têtes répétés, résultats par moteur et EPUBCheck.
Federal Register document 2026-22443
-
Notes de bas de page PDF vers des notes EPUB : un article académique
Notes de bas de page dans un long article arXiv converti en notes EPUB liées : ce qui a été détecté, résultats textuels par moteur, EPUBCheck, et où d'autres moteurs se comportent mieux.
QLoRA paper (arXiv 2305.14314)
-
Suppression des en-têtes répétés : le rapport de la Commission 9/11
Le rapport de la Commission du 11 septembre (domaine public) converti en EPUB avec en-têtes de pages et numéros de pages supprimés : fuite de marge par moteur et EPUBCheck.
The 9/11 Commission Report (GPO)
-
Chapitres et table des matières d'un livre PDF
Un manuel de domaine public typographié en LaTeX converti en EPUB avec des chapitres du plan PDF : résultats par moteur, EPUBCheck et les limites avec les formules.
Calculus textbook typeset in LaTeX (Project Gutenberg #33283)
-
Arabe PDF à EPUB : texte de droite à gauche
Un article Wikipedia arabe converti en un EPUB de droite à gauche : ordre des mots, résultats par moteur, EPUBCheck et limitations.
Wikipedia (Arabic): One Thousand and One Nights
-
Japonais PDF en EPUB
Un article de Wikipédia japonaise converti en EPUB : texte sans espaces entre les mots, résultats par moteur, EPUBCheck et limitations.
Wikipedia (Japanese): The Tale of Genji
-
Espagnol PDF en EPUB : accents, « » et ¿ ?
Un article de Wikipédia en espagnol (50 pages) converti en EPUB : accents, « » guillemets et ¿ ? conservés, langue étiquetée es, EPUBCheck propre ; pdf_oxide obtient un score plus élevé.
Wikipedia (Spanish): Don Quijote de la Mancha
-
Français PDF en EPUB : guillemets et apostrophes
Un article de Wikipédia française converti en EPUB : « » avec des espaces, apostrophes et œ conservés, étiqueté fr. Notre rappel 8-gram est 0.819 ; pdf_oxide atteint 0.903.
Wikipedia (French): Les Misérables
-
Allemand PDF en EPUB : trémas, ß et „guillemets“
Un article Wikipedia allemand de 86 pages converti en EPUB : les umlauts, ß et les guillemets „…“ conservés, étiquetés de. Rappel 8-gram 0.845 contre 0.877 pour pdf_oxide.
Wikipedia (German): Johann Wolfgang von Goethe
-
Graphiques PDF dans EPUB : ce qui est perdu
Les graphiques vectoriels dans le Rapport Économique du Président de 487 pages ne survivent pas à notre conversion : les lignes sont perdues, les étiquettes des axes deviennent du texte. Une vraie preuve.
Economic Report of the President 2024
-
Ce qu'il se passe avec un PDF scanné
Un livre numérisé de 1867 avec une ancienne couche OCR : EpubCC lit cette couche, erreurs et tout. Rappel de 8 grammes 0.513, en dessous de PDFium's 0.651.
Alice's Adventures in Wonderland, 1867 printing (scan, Internet Archive)
-
Texte entouré d'images : une limite connue
Quand le texte s'écoule autour d'une image flottante, notre moteur divise le paragraphe et peut mélanger la légende. Un véritable échantillon d'un PDF sur Wikipédia en anglais.
Wikipedia (English): Alice's Adventures in Wonderland
-
Rapport gouvernemental PDF en EPUB : notes de bas de page conservées
Un rapport de 58 pages du GAO à EPUB : 50 notes de bas de page trouvées, 47 liées à leurs appels, en-têtes de page supprimés, EPUBCheck propre. Les tableaux et figures restent limités.
GAO report 24-106219
-
Règlement UE PDF à EPUB, en espagnol
La loi espagnole sur l'IA de 144 pages du Journal officiel de l'UE à EPUB : 125 chapitres, en-têtes supprimés, précision 0.982. Les points numérotés peuvent se détacher.
EU AI Act, Regulation 2024/1689 (Spanish, EUR-Lex)
-
PDF avec des équations à EPUB : le résultat honnête
Un papier arXiv CC BY avec des équations affichées à EPUB : la prose et les symboles en ligne survivent, les équations affichées sortent déformées. Pas de MathML encore. Exemple réel.
Direct Preference Optimization paper (arXiv 2305.18290)
-
Numérotées PDF à EPUB : non gérées pour le moment
Un projet de loi du Sénat des États-Unis numéroté pour EPUB : les numéros de marge deviennent une pile de paragraphes égarés et des mots séparés. Chaque moteur a des difficultés ; le nôtre aussi.
Kids Online Safety Act bill, S. 1409 (line-numbered)