EpubCCΤι συμβαίνει με τα διαγράμματα όταν μια PDF γίνεται EPUB;
Ενημερωμένο:
Γραφήματα σχεδιασμένα ως διανυσματικά γραφικά δεν διατηρούνται: η μηχανή EpubCC διατηρεί ραστερικές εικόνες αλλά όχι διανυσματικά σχέδια, έτσι ένα γραμμικό διάγραμμα χάνει τις γραμμές του και οι τιμές στους άξονες μετατρέπονται σε χαλαρές παραγράφους. Στην 487 σελίδων Οικονομική Αναφορά του Προεδρικού Γραφείου 2024, το κείμενο γύρω από τα γραφήματα μετατρέπει καλά; τα γραφήματα ως αυτό δεν το κάνουν.
Πρωτότυπη και αποτέλεσμα
Γραφήματα γραμμών και μπαρών σχεδιασμένα ως διανυσματικά γραφικά, με ετικέτες αξόνων και θρύλους ως πραγματικό κείμενο, συν στατιστικούς πίνακες και κουτιά.
Κατεβάστε την πηγή PDF Κατεβάστε το δείγμα EPUB
Γιατί χάνονται τα διαγράμματα
Ένα PDF διάγραμμα συνήθως δεν είναι μια εικόνα: είναι ένα σύνολο οδηγιών σχεδίασης (γραμμές, γέμισμα) συν πραγματικό κείμενο για τις ετικέτες. Ο κινητήρας διαβάζει κείμενο και ραστερικές εικόνες. Δεν σχεδιάζει ακόμη διανυσματικά γραφικά σε μια εικόνα, οπότε αυτό που μένει είναι το κείμενο του διαγράμματος χωρίς το διάγραμμα.
Για ένα βιβλίο όπου τα διαγράμματα είναι σημαντικά, το PDF είναι ακόμα η καλύτερη μορφή για αυτές τις σελίδες. Προτιμούμε να το πούμε αυτό παρά να παραδώσουμε ένα EPUB με κενά σχήματα και να το καλούμε πλήρες.
Τι σημαίνει η καλή μετατροπή
Το τρέχον κείμενο: παράγραφοι που συνδέονται σε σελίδες, τρέχουσες κεφαλίδες αφαιρεμένες (διαρροές περιθωρίου 0.000 στην αναφορά κατά 1.000 για PDFium και pdf_oxide), συνδέσεις υποσημειώσεων, και 26 κεφάλαια από το PDF σχέδιο.
Πηγή και άδεια
- Έγγραφο
- Economic Report of the President 2024
- Άδεια
- Public domain (work of the U.S. Government)
- Σελίδες
- 487
- Χαρακτηριστικά
- κείμενο PDF, βιβλίο, πίνακες, διαγράμματα, κουτιά, υποσημειώσεις, μακρύς
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.
Ρυθμίσεις που χρησιμοποιούνται
- Μηχανή: EpubCC μηχανή στην αναθεώρηση 3b74b26, το δυαδικό αρχείο που δημιούργησε τις εικόνες και το δείγμα (2026-11-04).
- Σελίδες: το ολόκληρο έγγραφο για τις εικόνες; σελίδες 33–34 για τις εικόνες και το δείγμα EPUB.
- Στοιχεία benchmark: η δημοσιευμένη εκτέλεση της 2026-11-03 (δεσμευτικός κωδικός c953279).
- Επιλογές: καμία. Η μηχανή δεν έχει ακόμα ρυθμίσεις ανά έγγραφο; οι ίδιες προεπιλογές ισχύουν για κάθε αρχείο.
Επικύρωση και αποτελέσματα
EPUBCheck EPUBCheck στην EPUB μας: 0 σφάλματα, 0 προειδοποιήσεις.
EPUBCheck 5.4.0 στο διαθέσιμο δείγμα: 0 σφάλματα, 0 προειδοποιήσεις (ελεγχμένο 2026-11-04).
- Σελίδες
- 487
- Χρόνος
- 4.9 s
- Μέγιστη μνήμη
- 179 MB
- Κεφάλαια
- 26, από το περίγραμμα του PDF
- Διατηρημένες ραστερικές εικόνες
- 69
- Χάρτες διανύσματος διατηρήθηκαν
- 0
Προειδοποιήσεις ποιότητας που έδειξε η μηχανή:
- 9 σελίδες φαίνονται σκαναρισμένες (μια εικόνα πλήρους σελίδας και κανένα επιλέξιμο κείμενο) και παραλείπονται: 3, 5, 7, 11, 13, 15, 391, 407 και 487.
- Ορισμένοι χαρακτήρες δεν μπορούν να ανακτηθούν από το PDF (γραμματοσειρές χωρίς πίνακα Unicode) και εμφανίζονται ως «�»: σελίδες 413 έως 487.
| Μηχανή | Μη απεικονιζόμενα γλυφικά / 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 |
Περιορισμοί που παρατηρήσαμε
- Χάρτες διανύσματος χάνονται. Μόνο ραστερικά κομμάτια επιβιώνουν (εδώ, οι γκρίζες περιοχές ύφεσης) και οι ετικέτες αξόνων, ο θρύλος και οι πηγές γίνονται ξεχωριστές σύντομες παράγραφοι.
- Στατιστικοί πίνακες γράφονται ως κείμενο σε διάταξη ανάγνωσης, δεν ξαναχτίστηκαν ως πίνακες.
- Οι στατιστικοί πίνακες στο τέλος (σελίδες 413 και εξής) χρησιμοποιούν μια γραμματοσειρά χωρίς χάρτη Unicode: αυτοί οι χαρακτήρες εμφανίζονται ως «�» και ο κινητήρας προειδοποιεί σχετικά με αυτούς (78 ανά 1,000 χαρακτήρες σε ολόκληρο το έγγραφο). OpenDataLoader αναφέρει 0 εδώ.
- 9 σελίδες είναι εικόνες πλήρους σελίδας (εξώφυλλα και διαχωριστικά) και παραλείπονται, με μια προειδοποίηση.
- Δεν υπάρχει ανεξάρτητο αναφοράς κείμενο για αυτό το έγγραφο, επομένως ο πίνακας μετράει τους μη χαρτογραφημένους χαρακτήρες, όχι την ποιότητα του κειμένου.