EpubCCKonverze nařízení EU (španělská edice) na EPUB
Aktualizováno:
Nařízení EU ve Věstníku se dobře konvertuje pro běžící text: na 144stránkovém španělském vydání zákona o AI motor EpubCC odstranil každé běžící záhlaví, zbudoval jednu kapitolu na článek z osnovy PDF a dosáhl 4-gramové přesnosti 0.982. Některé číslované body jsou odděleny od svého textu, a jiné enginy obnovují mírně kontinuitní text.
Původní a výsledek
Dlouhý právní akt ve španělštině: recitály číslované (1) až (180), články s číslovanými odstavci a písmeny označenými body, běžící záhlaví s referencí Úředního věstníku na každé stránce a přílohy.
Stáhnout zdroj PDF Stáhnout ukázku EPUB
Kde je výsledek dobrý
Každá stránka opakuje jazykový kód, odkaz na Úřední věstník a číslo stránky. Stroj je detekuje porovnáváním stránek a odstraňuje je všechny (únik okraje 0.000 proti 0.753 pro pdf_oxide extract_text a 1.000 pro PDFium).
PDF obsahuje seznam každého článku, takže každý článek se stane kapitolou s vlastním názvem («Definiciones», «Prácticas de IA prohibidas»…) a čtenářův obsah může skočit na jakýkoli z nich. Jazyk je detekován jako es.
Kde tomu tak není
Právní texty nastavují čísla paragrafů do odsazeného zarovnání. Když jsou dvě nebo více po sobě jdoucích čísel v tomto odsazení, engine je může číst jako samostatný sloupec a psát čísla odděleně od jejich textu. Slova jsou všechna přítomna; párování je ztraceno. Totéž se děje v UK Acts, proto jsme dosud nezveřejnili případ z UK.
Zdroj a licence
- Dokument
- EU AI Act, Regulation 2024/1689 (Spanish, EUR-Lex)
- Licence
- Reuse authorised, including commercial (Decision 2011/833/EU; EUR-Lex legal notice), © European Union
- Stránky
- 144
- Vlastnosti
- text PDF, jediný sloupec, opakované hlavičky, kapitoly, Španělština, právní text
Regulation (EU) 2024/1689 (Artificial Intelligence Act), Spanish edition, Official Journal of the European Union, L series, 12 July 2024, ELI http://data.europa.eu/eli/reg/2024/1689/oj. © European Union, https://eur-lex.europa.eu, 1998-2026. Reused under Decision 2011/833/EU; only the Official Journal edition is authentic. The EPUB is our conversion.
Použité nastavení
- Motor: EpubCC motor na commitu 3b74b26, binární soubor, který vygeneroval obrázky a vzor (2026-11-04).
- Strany: celý dokument pro obrázky; strany 6–7 pro obrázky a ukázkový EPUB.
- Kontrolní hodnoty: spuštění 2026-11-04 se stejným binárním souborem, každý engine na celém dokumentu; tento dokument ještě není součástí publikované zkoušky.
- Možnosti: žádné. Engine zatím nemá nastavení pro každý dokument; stejné výchozí hodnoty platí pro každý soubor.
Ověření a výsledky
EPUBCheck EPUBCheck na našem EPUB: 0 chyby, 0 upozornění.
EPUBCheck 5.4.0 na stažitelné ukázce: 0 chyb, 0 varování (zkontrolováno 2026-11-04).
- Stránky
- 144
- Čas
- 0.53 s
- Procentuální kódování mezer jako %20 a jiných rezervovaných znaků, a používejte lomítka vpřed.
- 27 MB
- Jazyk detekován
- es
- Kapitoly
- 125, jeden za článek, z obrysového plánu PDF
- Běžící záhlaví odstraněna
- 401
- 4-gramová přesnost
- 0.982 (pdf_oxide 0.965, OpenDataLoader 0.994)
- Upozornění na kvalitu
- žádný
| Stroj | 8-gramová recall |
|---|---|
| EpubCC engine (EPUB output) | 0.988 |
| EpubCC engine (plain text) | 0.983 |
| pdf_oxide · extract_text | 0.988 |
| pdf_oxide · to_plain_text (XY-cut) | 0.988 |
| pdf_oxide · Markdown | 0.988 |
| PDFium · text().all() | 0.989 |
| OpenDataLoader PDF (local mode) | 0.996 |
| pdftotext (Poppler) | 0.986 |
| Calibre · ebook-convert (EPUB output) | 0.987 |
| EpubCC engine (EPUB, same extractor as Calibre) | 0.988 |
Omezení, která jsme pozorovali
- Číslované body se mohou odpojit od svého textu: v definicích se «2)», «3)» a «4)» staly samostatnými odstavci, za kterými následují tři definice; v předmluvách se «(156)» a «(157)» staly také. Pověšená čísla se čtou jako úzký sloupec.
- Název knihy je metadata titulu PDF, což je plný oficiální název (asi 400 znaků) s «Texto pertinente a efectos del EEE» přilepeným k němu.
- Jedna kapitola na článek dává 125 kapitol; obsahová stránka je dlouhá, ale následuje osnovu PDF.
- PDFium (0.989), pdf_oxide (0.988) a OpenDataLoader (0.996) mají vyšší 8-gramové vzpomínání než náš nástroj (0.974) na tomto dokumentu.