EpubCCO que acontece com os gráficos quando um PDF se torna um EPUB?
Atualizado:
Gráficos desenhados como gráficos vetoriais não são mantidos: o mecanismo EpubCC mantém imagens rasterizadas, mas não desenhos vetoriais, então um gráfico de linhas perde suas linhas e seus rótulos de eixo se transformam em parágrafos soltos. No Relatório Econômico do Presidente 2024 de 487 páginas, o texto em torno dos gráficos converte bem; os gráficos em si não.
Original e resultado
Gráficos de linhas e barras desenhados como gráficos vetoriais, com rótulos e legendas de eixos como texto real, além de tabelas estatísticas e caixas.
Baixar fonte PDF Baixar a amostra EPUB
Por que gráficos são perdidos
Um gráfico PDF geralmente não é uma imagem: é um conjunto de instruções de desenho (linhas, preenchimentos) mais texto real para os rótulos. O motor lê texto e imagens rasterizadas. Ele ainda não desenha gráficos vetoriais em uma imagem, então o que resta é o texto do gráfico sem o gráfico.
Para um livro onde gráficos são importantes, o PDF ainda é o melhor formato para aquelas páginas. Preferimos dizer isso do que enviar um EPUB com figuras vazias e chamá-lo de completo.
O que converte bem
O texto corrido: parágrafos unidos por páginas, cabeçalhos corridos removidos (vazamento de margem 0.000 na referência contra 1.000 para PDFium e pdf_oxide), notas de rodapé ligadas, e 26 capítulos do esboço de PDF.
Fonte e licença
- Documento
- Economic Report of the President 2024
- Licença
- Public domain (work of the U.S. Government)
- Páginas
- 487
- Características
- texto PDF, livro, tabelas, gráficos, caixas, notas de rodapé, longo
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.
Configurações usadas
- Engine: EpubCC engine no commit 3b74b26, o binário que gerou as imagens e o exemplo (2026-11-04).
- Páginas: o documento completo para as figuras; páginas 33–34 para as imagens e a amostra EPUB.
- Figuras de referência: a execução publicada de 2026-11-03 (compromisso do mecanismo c953279).
- Opções: nenhuma. O motor ainda não tem configurações por documento; os mesmos padrões se aplicam a todos os arquivos.
Validação e resultados
EPUBCheck EPUBCheck em nosso EPUB: 0 erros, 0 avisos.
EPUBCheck 5.4.0 na amostra disponível para download: 0 erros, 0 avisos (verificado em 2026-11-04).
- Páginas
- 487
- Tempo
- 4.9 s
- Memória máxima
- 179 MB
- Capítulos
- 26, do esboço da PDF
- Imagens raster mantidas
- 69
- Gráficos vetoriais mantidos
- 0
Avisos de qualidade que o motor apresentou:
- 9 páginas parecem digitalizadas (uma imagem de página inteira e sem texto selecionável) e foram deixadas de fora: 3, 5, 7, 11, 13, 15, 391, 407 e 487.
- Alguns caracteres não podem ser recuperados do PDF (fontes sem uma tabela Unicode) e aparecem como «�»: páginas 413 a 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 |
Limitações que observamos
- Gráficos vetoriais são perdidos. Apenas dados raster sobrevivem (aqui, as faixas de recessão cinzas), e os rótulos dos eixos, legenda e fontes tornam-se parágrafos curtos separados.
- Tabelas estatísticas são escritas como texto na ordem de leitura, não reconstruídas como tabelas.
- 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 páginas são imagens de página inteira (capas e separadores) e foram deixadas de fora, com um aviso.
- Não há texto de referência independente para este documento, então a tabela mede caracteres não mapeados, não a qualidade do texto.