EpubCCKonvertierung einer EU-Verordnung (spanische Ausgabe) zu EPUB
Aktualisiert:
Eine EU-Verordnung im Amtsblatt konvertiert gut für Fließtext: In der 144-seitigen spanischen Ausgabe des AI-Gesetzes entfernte die EpubCC-Engine jede laufende Überschrift, erstellte ein Kapitel pro Artikel aus dem PDF-Umriss und erreichte eine 4-Gramm-Präzision von 0.982. Einige nummerierte Punkte sind von ihrem Text getrennt, und andere Engines stellen leicht fortlaufenderen Text wieder her.
Original und Ergebnis
Ein langer Rechtsakt auf Spanisch: Recitals nummeriert (1) bis (180), Artikel mit nummerierten Absätzen und aufgelisteten Punkten, ein fortlaufender Kopf mit der Referenz des Amtsblatts auf jeder Seite und Anhängen.
Quell-PDF herunterladen Laden Sie das Muster EPUB herunter
Wo das Ergebnis gut ist
Jede Seite wiederholt den Sprachcode, die Referenz im Amtsblatt und die Seitenzahl. Die Engine erkennt sie, indem sie Seiten vergleicht und entfernt alle davon (Randleck 0.000 gegen 0.753 für pdf_oxide extract_text und 1.000 für PDFium).
Die PDF Gliederung listet jeden Artikel auf, sodass jeder Artikel ein Kapitel mit seinem eigenen Titel wird («Definiciones», «Prácticas de IA prohibidas»…), und das Inhaltsverzeichnis des Lesers kann zu jedem von ihnen springen. Die Sprache wird als es erkannt.
Wo es nicht ist
Rechtstexte setzen ihre Absatznummern mit einem hängenden Einzug. Wenn zwei oder mehr aufeinanderfolgende Zahlen in diesem Einzug stehen, kann die Engine sie als separate Spalte lesen und die Zahlen von ihrem Text trennen. Die Wörter sind alle vorhanden; die Zuordnung geht verloren. Das gleiche passiert in UK Acts, weshalb wir noch keinen britischen Fall veröffentlicht haben.
Quelle und Lizenz
- Dokument
- EU AI Act, Regulation 2024/1689 (Spanish, EUR-Lex)
- Lizenz
- Reuse authorised, including commercial (Decision 2011/833/EU; EUR-Lex legal notice), © European Union
- Seiten
- 144
- Eigenschaften
- Text PDF, eine Spalte, wiederholte Header, Kapitel, Spanisch, rechtlicher 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.
Verwendete Einstellungen
- Engine: EpubCC Engine bei Commit 3b74b26, das Binärformat, das die Bilder und das Beispiel erzeugt hat (2026-11-04).
- Seiten: das gesamte Dokument für die Abbildungen; Seiten 46–47 für die Bilder und das Beispiel EPUB.
- Benchmark-Zahlen: ein Lauf vom 2026-11-04 mit demselben Binärformat, jede Engine auf dem gesamten Dokument; dieses Dokument ist noch nicht Teil des veröffentlichten Benchmarks.
- Optionen: keine. Die Engine hat noch keine dokumentenspezifischen Einstellungen; dieselben Standardwerte gelten für jede Datei.
Validierung und Ergebnisse
EPUBCheck EPUBCheck auf unserem EPUB: 0 Fehler, 0 Warnungen.
EPUBCheck 5.4.0 über das herunterladbare Beispiel: 0 Fehler, 0 Warnungen (überprüft am 2026-11-04).
- Seiten
- 144
- Zeit
- 0.53 s
- Maximaler Speicher
- 27 MB
- Sprache erkannt
- es
- Kapitel
- 125, eine pro Artikel, aus dem PDF-Umriss
- Laufende Kopfzeilen entfernt
- 401
- 4-Gramm-Genauigkeit
- 0.982 (pdf_oxide 0.965, OpenDataLoader 0.994)
- Qualitätswarnungen
- keine
| Motor | 8-Gramm-Rückruf |
|---|---|
| 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 |
Beobachtete Einschränkungen
- Nummerierte Punkte können sich von ihrem Text lösen: in den Definitionen wurden «2)», «3)» und «4)» zu eigenen Absätzen, gefolgt von den drei Definitionen; in den Erwägungsgründen ebenfalls «(156)» und «(157)». Die hängenden Nummern werden als schmale Spalte gelesen.
- Der Buchtitel ist der in den Metadaten von PDF angegebene Titel, der den vollständigen offiziellen Titel (ca. 400 Zeichen) mit «Texto pertinente a efectos del EEE» enthält.
- Ein Kapitel pro Artikel ergibt 125 Kapitel; das Inhaltsverzeichnis ist lang, folgt jedoch der PDF Gliederung.
- PDFium (0.989), pdf_oxide (0.988) und OpenDataLoader (0.996) haben einen höheren 8-Gramm-Rückruf als unsere Engine (0.974) auf diesem Dokument.