EpubCC¿Qué pasa con los gráficos cuando un PDF se convierte en un EPUB?
Actualizado:
Los gráficos dibujados como gráficos vectoriales no se mantienen: el motor EpubCC guarda imágenes raster pero no dibujos vectoriales, por lo que un gráfico de líneas pierde sus líneas y sus etiquetas de eje se convierten en párrafos sueltos. En el Informe Económico del Presidente 2024 de 487 páginas, el texto alrededor de los gráficos se convierte bien; los gráficos en sí no.
Original y resultado
Gráficos de líneas y de barras dibujados como gráficos vectoriales, con etiquetas de eje y leyendas como texto real, más tablas estadísticas y cuadros.
Descargar fuente PDF Descargar la muestra EPUB
¿Por qué se pierden los gráficos?
Un gráfico PDF generalmente no es una imagen: es un conjunto de instrucciones de dibujo (líneas, rellenos) más texto real para las etiquetas. El motor lee texto e imágenes rasterizadas. Aún no dibuja gráficos vectoriales en una imagen, por lo que lo que queda es el texto del gráfico sin el gráfico.
Para un libro donde los gráficos importan, el PDF sigue siendo el mejor formato para esas páginas. Preferiríamos decirlo que enviar un EPUB con figuras vacías y llamarlo completo.
¿Qué pasa al convertir bien?
El texto en ejecución: párrafos unidos a través de páginas, encabezados en ejecución eliminados (fuga de margen 0.000 en el benchmark contra 1.000 para PDFium y pdf_oxide), notas al pie vinculadas, y 26 capítulos del esquema PDF.
Fuente y licencia
- Documento
- Economic Report of the President 2024
- Licencia
- Public domain (work of the U.S. Government)
- Páginas
- 487
- Características
- texto PDF, libro, tablas, gráficas, cajas, notas al pie, largo
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.
Configuraciones utilizadas
- Motor: EpubCC motor en commit 3b74b26, el binario que generó las imágenes y la muestra (2026-11-04).
- Páginas: todo el documento para las figuras; páginas 33–34 para las imágenes y la muestra EPUB.
- Cifras de referencia: la ejecución publicada del 2026-11-03 (compromiso del motor c953279).
- 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.
EPUBCheck 5.4.0 en la muestra descargable: 0 errores, 0 advertencias (verificado el 2026-11-04).
- Páginas
- 487
- Tiempo
- 4.9 s
- Memoria máxima
- 179 MB
- Capítulos
- 26, del esquema de PDF
- Imágenes rasterizadas conservadas
- 69
- Gráficos vectoriales mantenidos
- 0
Advertencias de calidad que mostró el motor:
- 9 páginas parecen escaneadas (una imagen de página completa y sin texto seleccionable) y se excluyen: 3, 5, 7, 11, 13, 15, 391, 407 y 487.
- Algunos caracteres no pueden ser recuperados del PDF (fuentes sin una tabla Unicode) y aparecen como «�»: páginas 413 a 487.
| Motor | Glifos no mapeados / 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 |
Limitaciones que observamos
- Los gráficos vectoriales se pierden. Solo sobreviven las piezas raster (aquí, las bandas de recesión grises), y las etiquetas de los ejes, la leyenda y las fuentes se convierten en párrafos cortos separados.
- Las tablas estadísticas se escriben como texto en orden de lectura, no se reconstruyen como tablas.
- Las tablas estadísticas al final (páginas 413 en adelante) utilizan una fuente sin un mapa de Unicode: esos caracteres aparecen como «�» y el motor advierte sobre ellos (78 por cada 1,000 caracteres en todo el documento). OpenDataLoader reporta 0 aquí.
- 9 páginas son imágenes de página completa (cubiertas y separadores) y se excluyen, con una advertencia.
- No hay un texto de referencia independiente para este documento, por lo que la tabla mide caracteres no mapeados, no la calidad del texto.