EpubCCKonverze arabského (zprava doleva) PDF na EPUB
Aktualizováno:
Arabské PDF často ukládají písmena v vizuálním pořadí, takže převodníky, které je čtou zleva doprava, obracejí slova. V článku na arabské Wikipedii engin EpubCC obnovuje pořadí slov a zapisuje je zprava doleva EPUB.
Původní a výsledek
Text psaný zprava doleva uložený ve vizuálním pořadí, spojené tvary písmen a kombinující diakritické znaménka.
Stáhnout zdroj PDF Stáhnout ukázku EPUB
Zdroj a licence
- Dokument
- Wikipedia (Arabic): One Thousand and One Nights
- Licence
- CC BY-SA 4.0 (text); images under their own licences
- Stránky
- 17
- Vlastnosti
- text PDF, jediný sloupec, Arabština, správně zleva doprava
Wikipedia contributors, “ألف ليلة وليلة” (One Thousand and One Nights), Arabic Wikipedia, text licensed CC BY-SA 4.0; images under their own licences.
Použité nastavení
- Motor: EpubCC motor, build z 2026-11-03 (ten, který byl měřen v benchmarku).
- Strany: celý dokument.
- Možnosti: žádné. Engine zatím nemá nastavení pro každý dokument; stejné výchozí hodnoty platí pro každý soubor.
Ověření a výsledky
EPUBCheck EPUBCheck na našem EPUB: 0 chyby, 0 upozornění.
| Stroj | 8-gramová recall |
|---|---|
| EpubCC engine (EPUB output) | 0.819 |
| EpubCC engine (plain text) | 0.812 |
| pdf_oxide · extract_text | 0.315 |
| pdf_oxide · to_plain_text (XY-cut) | 0.315 |
| pdf_oxide · Markdown | 0.273 |
| PDFium · text().all() | 0.001 |
| OpenDataLoader PDF (local mode) | 0.000 |
| pdftotext (Poppler) | 0.659 |
| Calibre · ebook-convert (EPUB output) | 0.824 |
| EpubCC engine (EPUB, same extractor as Calibre) | 0.819 |
Omezení, která jsme pozorovali
- Smíšené běhy zprava doleva a zleva doprava (čísla, latinská jména) uvnitř řádku mohou potřebovat revizi.
- Odkazy z Wikipedie vynechávají tabulky a infoboxy, takže přesnost je nízká pro každý systém.