EpubCCWat gebeurt er met grafieken wanneer een PDF een EPUB wordt?
Bijgewerkt:
Grafieken getekend als vectorafbeeldingen worden niet behouden: de EpubCC engine houdt rasterafbeeldingen maar geen vector tekeningen, waardoor een lijngrafiek zijn lijnen verliest en de aslabels veranderen in losse paragrafen. In het 487-pagina Economisch Rapport van de President 2024 converteert de tekst rondom de grafieken goed; de grafieken zelf niet.
Origineel en resultaat
Lijn- en staafdiagrammen getekend als vectorafbeeldingen, met aslabels en verklaringen als echte tekst, plus statistische tabellen en vakken.
Download bron PDF Download het voorbeeld EPUB
Waarom grafieken verloren gaan
Een PDF grafiek is meestal geen afbeelding: het is een set tekeninstructies (lijnen, opvullingen) plus echte tekst voor de labels. De engine leest tekst en rasterafbeeldingen. Het tekent nog geen vectorafbeeldingen in een afbeelding, dus wat overblijft is de tekst van de grafiek zonder de grafiek.
Voor een boek waar grafieken belangrijk zijn, is de PDF nog steeds het betere formaat voor die pagina's. We zouden dat liever zeggen dan een EPUB met lege figuren te verzenden en het compleet te noemen.
Wat betekent goed converteren
De lopende tekst: paragrafen verbonden over pagina's, lopende koppen verwijderd (margelekkage 0.000 in de benchmark tegen 1.000 voor PDFium en pdf_oxide), voetnoten gelinkt, en 26 hoofdstukken uit de PDF-outline.
Bron en licentie
- Document
- Economic Report of the President 2024
- Licentie
- Public domain (work of the U.S. Government)
- Pagina's
- 487
- Eigenschappen
- tekst PDF, boek, tabellen, grafieken, dozen, voetnoten, lang
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.
Gebruikte instellingen
- Engine: EpubCC engine bij commit 3b74b26, het binaire dat de afbeeldingen en de sample heeft gegenereerd (2026-11-04).
- Pagina's: het hele document voor de figuren; pagina's 33–34 voor de afbeeldingen en het voorbeeld EPUB.
- Benchmarkcijfers: de gepubliceerde run van 2026-11-03 (engine commit c953279).
- Opties: geen. De engine heeft nog geen instellingen per document; dezelfde standaardinstellingen zijn van toepassing op elk bestand.
Validatie en resultaten
EPUBCheck EPUBCheck op onze EPUB: 0 fouten, 0 waarschuwingen.
EPUBCheck 5.4.0 op het downloadbare monster: 0 fouten, 0 waarschuwingen (gecontroleerd 2026-11-04).
- Pagina's
- 487
- Tijd
- 4.9 s
- Piekgeheugen
- 179 MB
- Hoofdstukken
- 26, van de PDF indeling
- Rasterafbeeldingen behouden
- 69
- Vectorgrafieken behouden
- 0
Kwaliteitswaarschuwingen die de engine toonde:
- 9 pagina's lijken gescand (een volledige pagina afbeelding en geen selecteerbare tekst) en zijn weggelaten: 3, 5, 7, 11, 13, 15, 391, 407 en 487.
- Sommige tekens kunnen niet worden hersteld van de PDF (lettertypen zonder een Unicode-tabel) en verschijnen als «�»: pagina's 413 tot 487.
| Motor | Unmapped glyphs / 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 |
Beperkingen die we hebben waargenomen
- Vectorgrafieken gaan verloren. Alleen rasterstukken overleven (hier, de grijze recessiebanden), en de aslabels, legenda en bronnen worden aparte korte paragrafen.
- Statistische tabellen zijn geschreven als tekst in leesvolgorde, niet opnieuw opgebouwd als tabellen.
- The statistical tables at the end (pages 413 onwards) use a font without a Unicode map: those characters come out as «�» and the engine warns about them (78 per 1,000 characters on the whole document). OpenDataLoader reports 0 here.
- 9 pagina's zijn volledige pagina-afbeeldingen (hoezen en scheidingspagina's) en zijn weggelaten, met een waarschuwing.
- Er is geen onafhankelijke referentietekst voor dit document, dus de tabel meet niet-gemapte tekens, niet de tekstkwaliteit.