EpubCCPřevádění francouzského PDF na EPUB
Aktualizováno:
Francouzská interpunkce přežívá konverzi, když PDF ukládá skutečný text: « » guillemets si uchovávají své vnitřní mezery, apostrofy a akcentované velké písmena se projeví, a EPUB je označeno jako francouzština. V tomto 22stránkovém článku na Wikipedii jiné nástroje obnovují více souvislého textu než náš.
Původní a výsledek
Guillemets s mezerami uvnitř (« … »), mezera před ; a :, typografické a přímé apostrofy, akcentované velké písmena (É) a ligatura œ.
Stáhnout zdroj PDF Stáhnout ukázku EPUB
Co engine dělá s francouzským textem
Francouzština dává mezery uvnitř guillemets a před ; : ! ?. Nástroj si tyto mezery uchovává, jak je má PDF, takže řádek nikdy nezačíná osamělým » nebo ; po přeformátování.
Jazyk je detekován jako fr a zapsán do EPUB, takže čtecí aplikace používají francouzské dělení slov.
Co ukazuje vzorek
Strany 2 a 3: shrnutí pěti částí románu, s „rédemption“, názvy kurzívou a jmény s akcenty. Strana 3 má obrázky; ty jsou uchovány ve vzoru EPUB.
Zdroj a licence
- Dokument
- Wikipedia (French): Les Misérables
- Licence
- CC BY-SA 4.0 (text); images under their own licences
- Stránky
- 22
- Vlastnosti
- text PDF, jediný sloupec, Francouzština
Wikipedia contributors, “Les Misérables”, French Wikipedia, PDF from the Wikimedia REST API; text licensed CC BY-SA 4.0, images under their own licences. Pages shown unmodified; the EPUB is our conversion, under the same licence.
Použité nastavení
- Motor: EpubCC motor na commitu 3b74b26, binární soubor, který vygeneroval obrázky a vzor (2026-11-04).
- Strany: celý dokument pro obrázky; strany 3–4 pro obrázky a ukázkový EPUB.
- Kontrolní hodnoty: publikovaná spuštění 2026-11-03 (komit enginu c953279).
- 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
- 22
- Čas
- 0.56 s
- Procentuální kódování mezer jako %20 a jiných rezervovaných znaků, a používejte lomítka vpřed.
- 48 MB
- Jazyk detekován
- fr
- Kapitoly
- 9, z nadpisů článku
- Obrázky uchovány
- 23
- Upozornění na kvalitu
- žádný
| Stroj | 8-gramová recall |
|---|---|
| EpubCC engine (EPUB output) | 0.841 |
| EpubCC engine (plain text) | 0.833 |
| pdf_oxide · extract_text | 0.903 |
| pdf_oxide · to_plain_text (XY-cut) | 0.903 |
| pdf_oxide · Markdown | 0.751 |
| PDFium · text().all() | 0.884 |
| OpenDataLoader PDF (local mode) | 0.891 |
| pdftotext (Poppler) | 0.846 |
| Calibre · ebook-convert (EPUB output) | 0.788 |
| EpubCC engine (EPUB, same extractor as Calibre) | 0.840 |
Omezení, která jsme pozorovali
- pdf_oxide extract_text (0.903), OpenDataLoader (0.891) a PDFium (0.884) mají jasně vyšší 8-gram recall než náš engine (0.819) na tomto dokumentu. Většina rozdílu je na stránkách s plovoucími obrázky a seznamem referencí.
- Typografické (’) a rovné (') apostrofy se uchovávají tak, jak je má PDF; motor je nespojuje.
- Odkazy z Wikipedie vynechávají tabulky a infoboxy, takže přesnost je nízká pro každý systém.