EpubCCΜετατροπή ενός κανονισμού της ΕΕ (ισπανική έκδοση) σε EPUB
Ενημερωμένο:
Μία κανονιστική πράξη της ΕΕ στην Επίσημη Εφημερίδα μετατρέπεται καλά για τρέχον κείμενο: στη 144 σελίδων ισπανική έκδοση του AI Act, η μηχανή EpubCC αφαίρεσε κάθε τρέχουσα κεφαλίδα, δημιούργησε ένα κεφάλαιο ανά άρθρο από το σχέδιο του PDF και έφτασε σε ακρίβεια 4-γραμμάτων 0.982. Ορισμένα αριθμημένα σημεία είναι αποκομμένα από το κείμενό τους, και άλλες μηχανές ανακτούν ελαφρώς πιο συνεκτικό κείμενο.
Πρωτότυπη και αποτέλεσμα
Ένας μεγάλος νομικός νόμος στα ισπανικά: αναγνώσεις αριθμημένες (1) έως (180), άρθρα με αριθμημένους παραγράφους και γράμματα, μια συνεχιζόμενη επικεφαλίδα με την αναφορά του Επίσημου Φύλλου σε κάθε σελίδα, και παραρτήματα.
Κατεβάστε την πηγή PDF Κατεβάστε το δείγμα EPUB
Όπου το αποτέλεσμα είναι καλό
Κάθε σελίδα επαναλαμβάνει τον κωδικό γλώσσας, την αναφορά στην Επίσημη Εφημερίδα και τον αριθμό σελίδας. Η μηχανή τους ανιχνεύει συγκρίνοντας τις σελίδες και τις αφαιρεί όλες (διαρροή περιθωρίου 0.000 σε σχέση με 0.753 για pdf_oxide extract_text και 1.000 για PDFium).
Ο περίγραμμα PDF καταγράφει κάθε άρθρο, έτσι κάθε άρθρο γίνεται ένα κεφάλαιο με τον δικό του τίτλο («Definiciones», «Prácticas de IA prohibidas»…), και ο πίνακας περιεχομένων του αναγνώστη μπορεί να πηδήξει σε οποιοδήποτε από αυτά. Η γλώσσα ανιχνεύεται ως es.
Όπου δεν είναι
Νομικά κείμενα ρυθμίζουν τους αριθμούς παραγράφων τους σε κρέμοντα εσοχή. Όταν δύο ή περισσότεροι διαδοχικοί αριθμοί βρίσκονται σε αυτήν την εσοχή, ο κινητήρας μπορεί να τους διαβάσει ως ξεχωριστή στήλη και να γράψει τους αριθμούς χώρια από το κείμενό τους. Οι λέξεις είναι όλες εκεί; η ζεύξη χάνεται. Το ίδιο συμβαίνει και στα UK Acts, γι' αυτό δεν έχουμε δημοσιεύσει ακόμα μια υπόθεση από το Ηνωμένο Βασίλειο.
Πηγή και άδεια
- Έγγραφο
- EU AI Act, Regulation 2024/1689 (Spanish, EUR-Lex)
- Άδεια
- Reuse authorised, including commercial (Decision 2011/833/EU; EUR-Lex legal notice), © European Union
- Σελίδες
- 144
- Χαρακτηριστικά
- κείμενο PDF, μία στήλη, επαναλαμβανόμενοι επικεφαλίδες, κεφάλαια, Ισπανικά, νομικό κείμενο
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.
Ρυθμίσεις που χρησιμοποιούνται
- Μηχανή: EpubCC μηχανή στην αναθεώρηση 3b74b26, το δυαδικό αρχείο που δημιούργησε τις εικόνες και το δείγμα (2026-11-04).
- Σελίδες: το ολόκληρο έγγραφο για τις εικόνες; σελίδες 46–47 για τις εικόνες και το δείγμα EPUB.
- Στοιχεία benchmark: μια εκτέλεση της 2026-11-04 με το ίδιο δυαδικό, κάθε μηχανή σε ολόκληρο το έγγραφο; αυτό το έγγραφο δεν είναι ακόμη μέρος του δημοσιευμένου benchmark.
- Επιλογές: καμία. Η μηχανή δεν έχει ακόμα ρυθμίσεις ανά έγγραφο; οι ίδιες προεπιλογές ισχύουν για κάθε αρχείο.
Επικύρωση και αποτελέσματα
EPUBCheck EPUBCheck στην EPUB μας: 0 σφάλματα, 0 προειδοποιήσεις.
EPUBCheck 5.4.0 στο διαθέσιμο δείγμα: 0 σφάλματα, 0 προειδοποιήσεις (ελεγχμένο 2026-11-04).
- Σελίδες
- 144
- Χρόνος
- 0.53 s
- Μέγιστη μνήμη
- 27 MB
- Γλώσσα ανιχνευμένη
- ισπανικά
- Κεφάλαια
- 125, ένα για κάθε άρθρο, από το περίγραμμα του PDF
- Αφαιρεθείσες τρέχουσες κεφαλίδες
- 401
- 4-γραμμα ακρίβεια
- 0.982 (pdf_oxide 0.965, OpenDataLoader 0.994)
- Προειδοποιήσεις ποιότητας
- κανένα
| Μηχανή | 8-γραμμα ανάκληση |
|---|---|
| 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 |
Περιορισμοί που παρατηρήσαμε
- Οι αριθμημένες σημεία μπορεί να αποσπαστούν από το κείμενό τους: στις ορισμοί, «2)», «3)» και «4)» έγιναν παράγραφοι από μόνοι τους, ακολουθούμενοι από τους τρεις ορισμούς. Οι κρεμασμένοι αριθμοί διαβάζονται ως μια στενή στήλη.
- Ο τίτλος του βιβλίου είναι ο μεταδεδομένος τίτλος του PDF, ο οποίος είναι ο πλήρης επίσημος τίτλος (περίπου 400 χαρακτήρες) με «Texto pertinente a efectos del EEE» κολλημένο σε αυτόν.
- Ένα κεφάλαιο ανά άρθρο δίνει 125 κεφάλαια; ο πίνακας περιεχομένων είναι μεγάλος αλλά ακολουθεί την περίγραμμα του PDF.
- PDFium (0.989), pdf_oxide (0.988) και OpenDataLoader (0.996) έχουν υψηλότερη 8-γραμμή ανάκληση από τη μηχανή μας (0.974) σε αυτό το έγγραφο.