EpubCCCo se stane s grafy, když se PDF stane EPUB?
Aktualizováno:
Grafy vykreslené jako vektorová grafika nejsou uchovány: engin EpubCC uchovává rastrové obrázky, ale ne vektorové kresby, takže čárový graf ztrácí své čáry a její osové popisky se promění na volné odstavce. V 487stránkové Ekonomické zprávě prezidenta 2024 text kolem grafů dobře konvertuje; samotné grafy nikoliv.
Původní a výsledek
Sloupcové a pruhové grafy nakreslené jako vektorová grafika, s popisky os a legendami jako skutečný text, plus statistické tabulky a boxy.
Stáhnout zdroj PDF Stáhnout ukázku EPUB
Proč jsou ztraceny grafy
Graf PDF obvykle není obrázek: je to soubor instrukcí pro kreslení (čáry, výplně) plus skutečný text pro označení. Engine čte text a rastrové obrázky. Ještě nevytváří vektorovou grafiku do obrázku, takže to, co zbývá, je text grafu bez grafu.
Pro knihu, kde jsou grafy důležité, je PDF stále lepším formátem pro tyto stránky. Raději to říkáme, než abychom dodali EPUB s prázdnými obrázky a nazvali to dokončeným.
Jak dobře se převádí
Běžný text: odstavce spojené napříč stránkami, běžící hlavy odstraněny (únik okraje 0.000 v benchmarku proti 1.000 pro PDFium a pdf_oxide), poznámky pod čarou spojené a 26 kapitol z PDF obrysu.
Zdroj a licence
- Dokument
- Economic Report of the President 2024
- Licence
- Public domain (work of the U.S. Government)
- Stránky
- 487
- Vlastnosti
- text PDF, kniha, tabulky, grafy, krabice, poznámky pod čarou, dlouhý
Economic Report of the President, March 2024, together with the Annual Report of the Council of Economic Advisers, U.S. Government Publishing Office (govinfo.gov). A work of the U.S. Government, in the public domain.
Použité nastavení
- Motor: EpubCC motor na commitu 3b74b26, binární soubor, který vygeneroval obrázky a vzor (2026-11-04).
- Strany: celý dokument pro obrázky; strany 46–47 pro obrázky a ukázkový EPUB.
- Kontrolní hodnoty: publikovaná spuštění 2026-11-03 (komit enginu c953279).
- 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.
EPUBCheck 5.4.0 na stažitelné ukázce: 0 chyb, 0 varování (zkontrolováno 2026-11-04).
- Stránky
- 487
- Čas
- 4.9 s
- Procentuální kódování mezer jako %20 a jiných rezervovaných znaků, a používejte lomítka vpřed.
- 179 MB
- Kapitoly
- 26, z obrysového plánu PDF
- Rasterové obrázky byly uloženy
- 69
- Vektorové grafy zachovány
- 0
Varování o kvalitě, která motor vykázal:
- 9 stránek vypadá, jako by byly naskenovány (obrázek pokrývající celou stránku a žádný výběr textu) a jsou vynechány: 3, 5, 7, 11, 13, 15, 391, 407 a 487.
- Některé znaky nelze obnovit z PDF (fonty bez Unicode tabulky) a objevují se jako «�»: stránky 413 až 487.
| Stroj | Nezmapované glyfy / 1 000 |
|---|---|
| EpubCC engine (EPUB output) | 77.467 |
| EpubCC engine (plain text) | 73.832 |
| pdf_oxide · extract_text | 7.527 |
| pdf_oxide · to_plain_text (XY-cut) | 7.527 |
| pdf_oxide · Markdown | 4.068 |
| PDFium · text().all() | 78.261 |
| OpenDataLoader PDF (local mode) | 0.000 |
| pdftotext (Poppler) | 83.436 |
| Calibre · ebook-convert (EPUB output) | 105.762 |
| EpubCC engine (EPUB, same extractor as Calibre) | 77.855 |
Omezení, která jsme pozorovali
- Vektorové grafy jsou ztraceny. Pouze rastrové části přežijí (zde šedé recesní pásy) a popisky os, legenda a zdroje se stanou samostatnými krátkými odstavci.
- Statistické tabulky jsou psány jako text v pořadí čtení, nejsou rekonstruovány jako tabulky.
- Statistické tabulky na konci (strany 413 a dále) používají písmo bez mapy Unicode: tyto znaky se objevují jako „�“ a motor na to varuje (78 na 1 000 znaků v celém dokumentu). OpenDataLoader uvádí 0 zde.
- 9 stránek jsou obrázky pokrývající celou stránku (obálky a oddělovače) a jsou vynechány, s varováním.
- Pro tento dokument neexistuje nezávislý referenční text, takže tabulka měří nemapované znaky, nikoli kvalitu textu.