EpubCCExemple de conversie PDF în EPUB
Fiecare caz este un PDF real din corpusul nostru licențiat sau din domeniul public, convertit cu același motor pe care îl folosești, cu rezultatele fiecărui motor pe care l-am măsurat, inclusiv unde pierdem noi.
Actualizat:
Fiecare caz de pe această pagină este un PDF real din corpusul nostru de testare, convertit cu același motor și aceleași setări implicite pe care le primești când încarci un fișier. Documentele sunt din domeniul public sau licențiate des (CC BY, CC BY-SA), iar fiecare caz numește sursa și licența sa, astfel încât poți descărca originalul și verifica rezultatul singur.
Pentru fiecare, obții o pagină a originalului lângă aceeași porțiune în EPUB, eșantionul EPUB de descărcat, rezultatul EPUBCheck și scorul fiecărui motor pe care l-am măsurat pe acel document. Unele cazuri arată documente în care un alt motor se descurcă mai bine decât al nostru; publicăm și acelea.
Cazurile acoperă structurile care întrerup cele mai multe convertoare: coloane, antete repetate, note de subsol, capitole și scripturi non-latine. Fișierele tale personale nu sunt folosite aici: ele rămân private și sunt șterse automat.
-
PDF cu două coloane pentru EPUB: un articol academic
Un articol arXiv cu două coloane convertit în EPUB: ordinea de citire, rezultate per engine, EPUBCheck și limitele observate. Motorul nostru nu este cel mai bun aici.
OLMo paper (arXiv 2402.00838)
-
PDF în trei coloane la EPUB: Registrul Federal
Un document al Federal Register cu trei coloane convertit în EPUB: ordinea coloanelor, textul marginii rotit, antete repetate, rezultate per engine și EPUBCheck.
Federal Register document 2026-22443
-
PDF note de subsol la EPUB note: un articol academic
Notele de subsol într-o lucrare lungă arXiv convertită în note EPUB legate: ce a fost detectat, rezultate text pe motor, EPUBCheck și unde alte motoare fac mai bine.
QLoRA paper (arXiv 2305.14314)
-
Eliminarea anteturilor repetate: raportul Comisiei 9/11
Raportul Comisiei 9/11 (domeniu public) convertit în EPUB cu anteturi în rulare și numere de pagină eliminate: scurgeri de margine pe motor și EPUBCheck.
The 9/11 Commission Report (GPO)
-
Capitole și tabel de conținut dintr-o carte PDF
Un manual de domeniu public tipărit cu LaTeX convertit în EPUB cu capitole din schița PDF: rezultate pe motor, EPUBCheck și limitele cu formulele.
Calculus textbook typeset in LaTeX (Project Gutenberg #33283)
-
Arabă PDF la EPUB: text de la dreapta la stânga
Un element manifest EPUB 2 are un atribut fallback-style care denumește un id pe care niciun element manifest nu îl are. În EPUBCheck 2, fallback-style indică un fișier de stil care să fie utilizat cu un document non-standard, așa că un țintă lipsă îl strică.
Wikipedia (Arabic): One Thousand and One Nights
-
Japonese PDF în EPUB
Un articol Wikipedia în japoneză convertit în EPUB: text fără spații între cuvinte, rezultate pe motor, EPUBCheck și limitări.
Wikipedia (Japanese): The Tale of Genji
-
Spanish PDF to EPUB: accente, «» și ¿?
Un articol Wikipedia în spaniolă (50 de pagini) convertit în EPUB: accentuări, ghilimele «» și ¿? păstrate, limbaj etichetat es, EPUBCheck curat; pdf_oxide obține un scor mai mare.
Wikipedia (Spanish): Don Quijote de la Mancha
-
Franceză PDF în EPUB: ghilimele și apostroafe
Un articol Wikipedia în franceză convertit în EPUB: « » cu spații, apostrofuri și œ păstrate, etichetat fr. Recall-ul nostru 8-gram este 0.819; pdf_oxide atinge 0.903.
Wikipedia (French): Les Misérables
-
Germană PDF în EPUB: umlauturi, ß și „citate“
Un articol de 86 de pagini de pe Wikipedia în germană convertit în EPUB: umlaut-uri, ß și citate „…“ păstrate, etichetate de. Recall de 8-gram 0.845 față de 0.877 pentru pdf_oxide.
Wikipedia (German): Johann Wolfgang von Goethe
-
Grafice PDF în EPUB: ce se pierde
Graficele vectoriale din Raportul Economic al Președintelui de 487 de pagini nu supraviețuiesc conversiei noastre: liniile sunt pierdute, etichetele axelor devin text. Dovezi reale.
Economic Report of the President 2024
-
Ce se întâmplă cu un PDF scanat
O carte scanată din 1867 cu un strat vechi OCR: EpubCC citește acel strat, erori și tot. Recall-ul de 8 grame 0.513, sub PDFium's 0.651.
Alice's Adventures in Wonderland, 1867 printing (scan, Internet Archive)
-
Text în jurul imaginilor: o limită cunoscută
Când textul curge în jurul unei imagini flotante, motorul nostru împarte paragraful și poate amesteca și legenda. Un exemplu real dintr-un PDF Wikipedia în engleză.
Wikipedia (English): Alice's Adventures in Wonderland
-
Raport guvernamental PDF în EPUB: note de subsol păstrate
Un raport GAO de 58 de pagini către EPUB: 50 de note de subsol găsite, 47 legate de apelurile lor, anteturi în rulare eliminate, EPUBCheck curat. Tabelele și figurile rămân limitate.
GAO report 24-106219
-
Regulamentul UE PDF pentru EPUB, în spaniolă
Legea spaniolă AI de 144 de pagini din Jurnalul Oficial al UE către EPUB: 125 de capitole, anteturi eliminate, precizie 0.982. Punctele numerotate pot deveni libere.
EU AI Act, Regulation 2024/1689 (Spanish, EUR-Lex)
-
PDF cu ecuații la EPUB: rezultatul onest
O lucrare CC BY arXiv cu ecuații afișate pentru EPUB: proza și simbolurile inline supraviețuiesc, ecuațiile afișate ies distorsionate. Fără MathML încă. Exemplu real.
Direct Preference Optimization paper (arXiv 2305.18290)
-
Numerotat pe linii PDF până la EPUB: încă neabordate
Un proiect de lege numerotat al Senatului SUA pentru EPUB: numerele de margine devin un stivă de paragrafe și cuvinte dezordonate. Fiecare motor se confruntă cu dificultăți; la fel și al nostru.
Kids Online Safety Act bill, S. 1409 (line-numbered)