EpubCCHva skjer med diagrammer når en PDF blir en EPUB?
Oppdatert:
Diagrammer tegnet som vektorgrafikk beholdes ikke: EpubCC-motoren beholder rasterbilder, men ikke vektortegninger, så et linjediagram mister linjene sine og akseetikettene blir til løse avsnitt. I den 487-sider lange Økonomiske rapporten fra presidenten 2024 konverterer teksten rundt diagrammene bra; diagrammene selv gjør det ikke.
Opprinnelig og resultat
Linje- og søylediagrammer tegnet som vektorgrafikk, med akseetiketter og legender som ekte tekst, pluss statistiske tabeller og bokser.
Last ned kilde PDF Last ned prøven EPUB
Hvorfor går diagrammer tapt
Et PDF diagram er vanligvis ikke et bilde: det er et sett med tegneinstruksjoner (linjer, fyll) pluss ekte tekst for etikettene. Motoren leser tekst og rastrerte bilder. Den tegner ennå ikke vektor grafikk inn i et bilde, så det som gjenstår er teksten i diagrammet uten diagrammet.
For en bok der diagrammer er viktige, er PDF fortsatt det bedre formatet for de sidene. Vi vil heller si det enn å levere en EPUB med tomme figurer og kalle det fullført.
Hva konverterer godt?
Den flytende teksten: avsnitt sammenkoblet på tvers av sider, flytende overskrifter er fjernet (margin lekkasje 0.000 i benchmark mot 1.000 for PDFium og pdf_oxide), fotnoter koblet, og 26 kapitler fra PDF oversikten.
Kilde og lisens
- Dokument
- Economic Report of the President 2024
- Lisens
- Public domain (work of the U.S. Government)
- Sider
- 487
- Egenskaper
- tekst PDF, bok, tabeller, diagrammer, bokser, fotnoter, 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.
Innstillinger brukt
- Motor: EpubCC motor ved commit 3b74b26, binæren som genererte bildene og eksempelet (2026-11-04).
- Sider: hele dokumentet for figurene; sider 33–34 for bildene og prøve EPUB.
- Benchmarkfigurer: det publiserte løpet fra 2026-11-03 (motorforpliktelse c953279).
- Alternativer: ingen. Motoren har enda ingen dokumentinnstillinger; de samme standardene gjelder for hver fil.
Validering og resultater
EPUBCheck EPUBCheck på vår EPUB: 0 feil, 0 advarsler.
EPUBCheck 5.4.0 på den nedlastbare prøven: 0 feil, 0 advarsler (sjekket 2026-11-04).
- Sider
- 487
- Tid
- 4.9 s
- Maksimal minne
- 179 MB
- Kapitler
- 26, fra PDF-oversikten
- Rasterbilder beholdt
- 69
- Vektordiagrammer beholdt
- 0
Kvalitetsvarsler motoren viste:
- 9 sider ser skannet ut (et fullsidebilde og ingen valgbar tekst) og blir utelatt: 3, 5, 7, 11, 13, 15, 391, 407 og 487.
- Noen tegn kan ikke gjenvinnes fra PDF (fonter uten en Unicode-tabell) og vises som «�»: sider 413 til 487.
| Motor | Ukartlagte tegn / 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 |
Begrensninger vi observerte
- Vektordiagrammer går tapt. Kun rasterdeler overlever (her, de grå resesjonsbåndene), og aksetitler, legender og kilder blir separate, korte avsnitt.
- Statistiske tabeller skrives som tekst i leseretning, ikke gjenoppbygges som tabeller.
- De statistiske tabellene på slutten (sidene 413 og utover) bruker en skrifttype uten en Unicode-kart: de tegnene kommer ut som «�» og motoren varsler om dem (78 per 1 000 tegn i hele dokumentet). OpenDataLoader rapporterer 0 her.
- 9 sider er fullsidebilder (omslag og skilletekster) og blir utelatt, med en advarsel.
- Det finnes ingen uavhengig referansetekst for dette dokumentet, så tabellen måler umappede tegn, ikke tekstkvalitet.