EpubCCConvertendo um PDF árabe (da direita para a esquerda) para EPUB
Atualizado:
PDFs árabes frequentemente armazenam letras na ordem visual, então conversores que leem da esquerda para a direita invertem as palavras. Em um artigo da Wikipedia em árabe, o EpubCC restaura a ordem das palavras e escreve em um formato EPUB da direita para a esquerda.
Original e resultado
Texto da direita para a esquerda armazenado na ordem visual, formas de letras unidas e marcas de combinação.
Baixar fonte PDF Baixar a amostra EPUB
Fonte e licença
- Documento
- Wikipedia (Arabic): One Thousand and One Nights
- Licença
- CC BY-SA 4.0 (text); images under their own licences
- Páginas
- 17
- Características
- texto PDF, uma coluna, Árabe, da direita para a esquerda
Wikipedia contributors, “ألف ليلة وليلة” (One Thousand and One Nights), Arabic Wikipedia, text licensed CC BY-SA 4.0; images under their own licences.
Configurações usadas
- Engine: EpubCC engine, build de 2026-11-03 (o que foi medido no benchmark).
- Páginas: o documento completo.
- Opções: nenhuma. O motor ainda não tem configurações por documento; os mesmos padrões se aplicam a todos os arquivos.
Validação e resultados
EPUBCheck EPUBCheck em nosso EPUB: 0 erros, 0 avisos.
| Motor | Recuperação de 8-grama |
|---|---|
| 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 |
Limitações que observamos
- Misturas de execuções da direita para a esquerda e da esquerda para a direita (números, nomes latinos) dentro de uma linha podem precisar de revisão.
- As referências da Wikipedia deixam de fora tabelas e infoboxes, então a precisão é baixa para todo motor.