EpubCCConvirtiendo un PDF árabe (de derecha a izquierda) a EPUB
Actualizado:
Los PDFs árabes a menudo almacenan letras en orden visual, por lo que los conversores que los leen de izquierda a derecha invierten las palabras. En un artículo de Wikipedia en árabe, el motor EpubCC restaura el orden de las palabras y escribe un EPUB de derecha a izquierda.
Original y resultado
Script de derecha a izquierda almacenado en orden visual, formas de letras unidas y marcas combinadas.
Descargar fuente PDF Descargar la muestra EPUB
Fuente y licencia
- Documento
- Wikipedia (Arabic): One Thousand and One Nights
- Licencia
- CC BY-SA 4.0 (text); images under their own licences
- Páginas
- 17
- Características
- texto PDF, una columna, Árabe, de derecha a izquierda
Wikipedia contributors, “ألف ليلة وليلة” (One Thousand and One Nights), Arabic Wikipedia, text licensed CC BY-SA 4.0; images under their own licences.
Configuraciones utilizadas
- Motor: EpubCC motor, compilación del 2026-11-03 (el que se midió en el benchmark).
- Páginas: todo el documento.
- Opciones: ninguna. El motor no tiene configuraciones por documento aún; los mismos valores predeterminados se aplican a cada archivo.
Validación y resultados
EPUBCheck EPUBCheck en nuestro EPUB: 0 errores, 0 advertencias.
| Motor | recuperación de 8-gramas |
|---|---|
| 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 |
Limitaciones que observamos
- Secuencias mixtas de dirección derecha a izquierda y de izquierda a derecha (números, nombres latinos) dentro de una línea pueden necesitar revisión.
- Las referencias de Wikipedia omiten tablas e infoboxes, por lo que la precisión es baja para todos los motores.