EpubCCExemplos de conversão de PDF para EPUB
Cada caso é um verdadeiro PDF do nosso corpus licenciado ou de domínio público, convertido com o mesmo mecanismo que você usa, com os resultados de cada motor que medimos, incluindo onde o nosso perde.
Atualizado:
Cada caso nesta página é um verdadeiro PDF do nosso corpus de teste, convertido com o mesmo mecanismo e as mesmas configurações padrão que você obtém ao enviar um arquivo. Os documentos são de domínio público ou com licença aberta (CC BY, CC BY-SA), e cada caso menciona sua origem e licença, para que você possa baixar o original e verificar o resultado por conta própria.
Para cada um você recebe uma página do original ao lado da mesma passagem no EPUB, a amostra EPUB para baixar, o resultado EPUBCheck e a pontuação de cada motor que medimos nesse documento. Alguns casos mostram documentos onde outro motor faz melhor que o nosso; publicamos esses também.
Os casos cobrem os layouts que quebram a maioria dos conversores: colunas, cabeçalhos repetidos, notas de rodapé, capítulos e scripts não latinos. Seus próprios arquivos nunca são usados aqui: eles permanecem privados e são excluídos automaticamente.
-
PDF de duas colunas para EPUB: um artigo acadêmico
Um artigo de duas colunas do arXiv convertido para EPUB: ordem de leitura, resultados por mecanismo, EPUBCheck e limites observados. Nosso mecanismo não é o melhor aqui.
OLMo paper (arXiv 2402.00838)
-
PDF de três colunas para EPUB: o Registro Federal
Um documento do Federal Register de três colunas convertido para EPUB: ordem das colunas, texto de margem rotacionado, cabeçalhos repetidos, resultados por mecanismo e EPUBCheck.
Federal Register document 2026-22443
-
Notas de rodapé PDF para EPUB: um artigo acadêmico
Rodapés em um longo artigo arXiv convertido em notas EPUB vinculadas: o que foi detectado, resultados de texto por motor, EPUBCheck e onde outros motores se saem melhor.
QLoRA paper (arXiv 2305.14314)
-
Removendo cabeçalhos repetidos: o Relatório da Comissão 9/11
O Relatório da Comissão 9/11 (domínio público) convertido para EPUB com cabeçalhos de página e números de página removidos: vazamento de margem por motor e EPUBCheck.
The 9/11 Commission Report (GPO)
-
Capítulos e índice de um livro PDF
Um livro didático de domínio público composto em LaTeX convertido para EPUB com capítulos do esboço PDF: resultados por motor, EPUBCheck e os limites com fórmulas.
Calculus textbook typeset in LaTeX (Project Gutenberg #33283)
-
Árabe PDF para EPUB: texto da direita para a esquerda
Um artigo da Wikipedia em árabe convertido para um EPUB da direita para a esquerda: ordem das palavras, resultados por motor, EPUBCheck e limitações.
Wikipedia (Arabic): One Thousand and One Nights
-
Japonês PDF para EPUB
Um artigo da Wikipédia em japonês convertido para EPUB: texto sem espaços entre palavras, resultados por mecanismo, EPUBCheck e limitações.
Wikipedia (Japanese): The Tale of Genji
-
Espanhol PDF para EPUB: acentos, «» e ¿?
Um artigo da Wikipedia em espanhol (50 páginas) convertido para EPUB: acentos, «» aspas e ¿? mantidos, idioma marcado como es, EPUBCheck limpo; pdf_oxide pontua mais alto.
Wikipedia (Spanish): Don Quijote de la Mancha
-
Francês PDF para EPUB: guilletes e apóstrofos
Um artigo da Wikipédia em francês convertido para EPUB: « » com espaços, apóstrofos e œ mantidos, marcado como fr. Nossa recuperação de 8-grama é 0.819; pdf_oxide atinge 0.903.
Wikipedia (French): Les Misérables
-
Alemão PDF para EPUB: diacríticos, ß e „citações“
Um artigo de 86 páginas da Wikipedia em alemão convertido para EPUB: umlauts, ß e citações „…“ mantidas, marcado como de. Lembrete de 8-gramas 0.845 contra 0.877 para pdf_oxide.
Wikipedia (German): Johann Wolfgang von Goethe
-
Gráficos de PDF em EPUB: o que se perde
Gráficos vetoriais no Relatório Econômico de 487 páginas do Presidente não sobrevivem à nossa conversão: linhas são perdidas, rótulos dos eixos tornam-se texto. Evidência real.
Economic Report of the President 2024
-
O que acontece com um PDF escaneado
Um livro digitalizado de 1867 com uma camada antiga OCR: EpubCC lê essa camada, erros e tudo. Recuperação de 8 gramas 0.513, abaixo da PDFium's 0.651.
Alice's Adventures in Wonderland, 1867 printing (scan, Internet Archive)
-
Texto contornado em torno de imagens: um limite conhecido
Quando o texto flui ao redor de uma imagem flutuante, nosso mecanismo divide o parágrafo e pode misturar a legenda. Uma amostra real de um PDF da Wikipedia em inglês.
Wikipedia (English): Alice's Adventures in Wonderland
-
Relatório governamental PDF para EPUB: notas de rodapé mantidas
Um relatório de 58 páginas da GAO para EPUB: 50 notas de rodapé encontradas, 47 vinculadas às suas chamadas, rodapés em execução removidos, EPUBCheck limpo. Tabelas e figuras permanecem limitadas.
GAO report 24-106219
-
Regulamento da UE PDF para EPUB, em espanhol
A Lei de IA Espanhola de 144 páginas do Jornal Oficial da UE para EPUB: 125 capítulos, cabeçalhos removidos, precisão 0.982. Pontos numerados podem ficar soltos.
EU AI Act, Regulation 2024/1689 (Spanish, EUR-Lex)
-
PDF com equações para EPUB: o resultado honesto
Um artigo da arXiv com CC BY com equações de exibição para EPUB: prosa e símbolos em linha sobrevivem, equações de exibição saem embaralhadas. Sem MathML ainda. Amostra real.
Direct Preference Optimization paper (arXiv 2305.18290)
-
PDF numerada por linhas para EPUB: ainda não tratada Evidência em preparação
Um projeto de lei do Senado dos EUA numerado para EPUB: os números das margens tornam-se uma pilha de parágrafos soltos e palavras divididas. Cada motor tem dificuldades; o nosso também.
Kids Online Safety Act bill, S. 1409 (line-numbered)