EpubCCConvertire un regolamento dell'UE (edizione spagnola) in EPUB
Aggiornato:
Un regolamento dell'UE nel Gazzettino Ufficiale si converte bene per il testo in corsa: nella edizione spagnola di 144 pagine della Legge AI il motore EpubCC ha rimosso ogni intestazione corrente, costruito un capitolo per articolo dall'outline PDF e ha raggiunto una precisione di 4 grammi di 0.982. Alcuni punti numerati sono staccati dal loro testo, e altri motori recuperano un testo leggermente più continuo.
Originale e risultato
Un lungo atto legale in spagnolo: recitals numerati (1) a (180), articoli con paragrafi numerati e punti contrassegnati da lettere, un intestazione continua con il riferimento del Giornale Ufficiale su ogni pagina, e allegati.
Scarica sorgente PDF Scarica il campione EPUB
Dove il risultato è buono
Ogni pagina ripete il codice lingua, il riferimento del Gazzetti ufficiale e il numero di pagina. Il motore li rileva confrontando le pagine e rimuove tutti loro (perdite di margine 0.000 contro 0.753 per pdf_oxide extract_text e 1.000 per PDFium).
L'outline del PDF elenca ogni articolo, così ogni articolo diventa un capitolo con il proprio titolo («Definiciones», «Prácticas de IA prohibidas»…), e l'indice del lettore può saltare a ciascuno di essi. La lingua è rilevata come es.
Dove non è
I testi legali impostano i numeri di paragrafo in un rientro sospeso. Quando due o più numeri consecutivi si trovano in quel rientro, il motore può leggerli come una colonna separata e scrivere i numeri separati dal loro testo. Le parole sono tutte lì; la coppia si perde. Lo stesso accade negli atti del Regno Unito, ecco perché non abbiamo ancora pubblicato un caso del Regno Unito.
Fonte e licenza
- Documento
- EU AI Act, Regulation 2024/1689 (Spanish, EUR-Lex)
- Licenza
- Reuse authorised, including commercial (Decision 2011/833/EU; EUR-Lex legal notice), © European Union
- Pagine
- 144
- Caratteristiche
- testo PDF, una colonna, intestazioni ripetute, capitoli, Spagnolo, testo legale
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.
Impostazioni utilizzate
- Motore: EpubCC motore al commit 3b74b26, il file binario che ha generato le immagini e il campione (2026-11-04).
- Pagine: l'intero documento per le figure; pagine 46–47 per le immagini e il campione EPUB.
- Dati di benchmarking: una corsa del 2026-11-04 con lo stesso binario, ogni motore su tutto il documento; questo documento non fa ancora parte del benchmark pubblicato.
- Opzioni: nessuna. Il motore non ha ancora impostazioni per documento; gli stessi valori predefiniti si applicano a ogni file.
Validazione e risultati
EPUBCheck EPUBCheck sul nostro EPUB: 0 errori, 0 avvisi.
EPUBCheck 5.4.0 sul campione scaricabile: 0 errori, 0 avvisi (controllato il 2026-11-04).
- Pagine
- 144
- Tempo
- 0.53 s
- Memoria massima
- 27 MB
- Lingua rilevata
- es
- Capitoli
- 125, uno per articolo, dalla PDF strutturale
- Intestazioni rimosse
- 401
- precisione 4-gram
- 0.982 (pdf_oxide 0.965, OpenDataLoader 0.994)
- Avvisi di qualità
- nessuno
| Motore | richiamo 8-gram |
|---|---|
| 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 |
Limitazioni osservate
- I punti numerati possono staccarsi dal loro testo: nelle definizioni, «2)», «3)» e «4)» sono diventati paragrafi a sé stanti, seguiti dalle tre definizioni; nei considerandi, anche «(156)» e «(157)» lo hanno fatto. I numeri sospesi sono letti come una colonna stretta.
- Il titolo del libro è il titolo dei metadati di PDF, che è il titolo ufficiale completo (circa 400 caratteri) con «Texto pertinente a efectos del EEE» attaccato.
- Un capitolo per articolo dà 125 capitoli; l'indice è lungo ma segue il layout di PDF.
- PDFium (0.989), pdf_oxide (0.988) e OpenDataLoader (0.996) hanno un richiamo a 8 grammi più alto rispetto al nostro motore (0.974) su questo documento.