EpubCCConversia unui PDF arab (de la dreapta la stânga) la EPUB
Actualizat:
PDF-urile arabe adesea stochează litere în ordinea vizuală, astfel încât convertorii care le citesc de la stânga la dreapta inversează cuvintele. Pe un articol Wikipedia în arabă, motorul EpubCC restaurează ordinea cuvintelor și scrie un EPUB de la dreapta la stânga.
Original și rezultat
Script de la dreapta la stânga stocat în ordine vizuală, forme de litere unite și semne de combinare.
Descarcă sursa PDF Descarcă eșantionul EPUB
Sursă și licență
- Document
- Wikipedia (Arabic): One Thousand and One Nights
- Licență
- CC BY-SA 4.0 (text); images under their own licences
- Pagini
- 17
- Trăsături
- text PDF, o coloană, Arabă, de la dreapta la stânga
Wikipedia contributors, “ألف ليلة وليلة” (One Thousand and One Nights), Arabic Wikipedia, text licensed CC BY-SA 4.0; images under their own licences.
Setări utilizate
- Motor: EpubCC motor, build din 2026-11-03 (cel măsurat în benchmark).
- Pagini: întregul document.
- Opțiuni: niciuna. Motorul nu are încă setări per document; aceleași valori implicite se aplică fiecărui fișier.
Validare și rezultate
EPUBCheck EPUBCheck pe EPUB: 0 erori, 0 avertizări.
| Motor | recall 8-gram |
|---|---|
| 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 |
Limitări observate
- Secvențe mixte de la dreapta la stânga și de la stânga la dreapta (numere, nume latine) dintr-o linie pot necesita revizuire.
- Referințele Wikipedia omit tabelele și infoboxurile, așa că precizia este scăzută pentru fiecare motor.