EpubCCVad händer med diagram när en PDF blir en EPUB?
Uppdaterad:
Diagram ritade som vektorgrafik bevaras inte: EpubCC-motorn bevarar rasterbilder men inte vektorritningar, så en linjediagram förlorar sina linjer och dess axelrubriker blir lösa stycken. I den 487-sidiga Economic Report of the President 2024 konverterar texten runt diagrammen väl; diagrammen själva gör det inte.
Original och resultat
Linje- och stapeldiagram ritade som vektorgrafik, med axelrubriker och legender som verklig text, plus statistiska tabeller och rutor.
Ladda ner källan PDF Ladda ner provet EPUB
Varför går diagram förlorade
Ett PDF-diagram är vanligtvis inte en bild: det är en uppsättning ritnavigeringar (linjer, fyllningar) plus verklig text för etiketterna. Motorn läser text och rasterbilder. Den ritar ännu inte vektorgrafik i en bild, så det som återstår är texten från diagrammet utan diagrammet.
För en bok där diagram är viktiga, är PDF fortfarande det bättre formatet för dessa sidor. Vi skulle hellre säga så än att skicka en EPUB med tomma figurer och kalla den komplett.
Vad betyder konvertera väl
Den löpande texten: stycken kopplade över sidor, löpande rubriker borttagna (margin leak 0.000 i benchmark mot 1.000 för PDFium och pdf_oxide), fotnoter länkade, och 26 kapitel från PDF-översikten.
Källa och licens
- Dokument
- Economic Report of the President 2024
- Licens
- Public domain (work of the U.S. Government)
- Sidor
- 487
- Egenskaper
- text PDF, bok, tabeller, diagram, lådor, fotnoter, lång
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.
Använda inställningar
- Motor: EpubCC motor vid commit 3b74b26, den binära som genererade bilderna och provet (2026-11-04).
- Sidor: hela dokumentet för figurerna; sidor 33–34 för bilderna och exemplet EPUB.
- Benchmark siffror: den publicerade körningen av 2026-11-03 (motorcommit c953279).
- Alternativ: inga. Motorn har inga per-dokument-inställningar ännu; samma standardinställningar gäller för varje fil.
Validering och resultat
EPUBCheck EPUBCheck på vår EPUB: 0 fel, 0 varningar.
EPUBCheck 5.4.0 på den nedladdningsbara provet: 0 fel, 0 varningar (kontrollerat 2026-11-04).
- Sidor
- 487
- Tid
- 4.9 s
- Maxminne
- 179 MB
- Kapitel
- 26, från PDF-översikten
- Rasterbilder kvarhålles
- 69
- Vektor-diagram bevarades
- 0
Kvalitetsvarningar som motorn visade:
- 9 sidor ser ut att vara skannade (en helsidesbild och ingen valbar text) och lämnas ut: 3, 5, 7, 11, 13, 15, 391, 407 och 487.
- Vissa tecken kan inte återställas från PDF (typsnitt utan en Unicode-tabell) och visas som «�»: sidorna 413 till 487.
| Motor | Okartlagda glypher / 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 |
Begränsningar vi observerat
- Vektor-diagram går förlorade. Endast rasterdelar överlever (här, de grå recessionbanden), och axelrubriker, legend och källor blir separata korta stycken.
- Statistiska tabeller skrivs som text i läsordning, inte återskapade som tabeller.
- De statistiska tabellerna i slutet (sidorna 413 och framåt) använder ett typsnitt utan en Unicode-karta: dessa tecken framträder som «�» och motorn varnar om dem (78 per 1,000 tecken i hela dokumentet). OpenDataLoader rapporterar 0 här.
- 9 sidor är helsidesbilder (omslag och avskiljare) och lämnas ut, med en varning.
- Det finns ingen oberoende referenstext för detta dokument, så tabellen mäter icke-kartlagda tecken, inte textkvalitet.