EpubCCKonvertering af en fransk PDF til EPUB
Opdateret:
Franske tegnsæt overlever konvertering, når PDF gemmer reel tekst: « » guillemets holder deres indre rum, apostrofer og akcentuerede store bogstaver kommer igennem, og EPUB er mærket som fransk. På denne 22-siders Wikipedia-artikel gendanner andre motorer mere sammenhængende tekst end vores.
Original og resultat
Guillemeter med mellemrum indeni (« … »), et mellemrum før ; og :, typografiske og lige apostrofer, accentuerede store bogstaver (É) og œ ligatur.
Download kilde PDF Download prøve EPUB
Hvad motoren gør med fransk tekst
Fransk sætter et mellemrum inden i guillemets og før ; : ! ?. Motoren bevarer de rum, som PDF har dem, så en linje starter aldrig med en ensom » eller ; efter omflytning.
Sproget bliver opdaget som fr og skrevet til EPUB, så læseapps bruger fransk bindestreg.
Hvad prøven viser
Siderne 2 og 3: sammendraget af de fem dele af romanen, med « rédemption », titler i kursiv og navne med accenter. Side 3 har billeder; de er bevaret i prøven EPUB.
Kilde og licens
- Dokument
- Wikipedia (French): Les Misérables
- Licens
- CC BY-SA 4.0 (text); images under their own licences
- Sider
- 22
- Egenskaber
- tekst PDF, én kolonne, Fransk
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.
Brugte indstillinger
- Motor: EpubCC motor ved commit 3b74b26, den binære der genererede billederne og prøven (2026-11-04).
- Sider: hele dokumentet for figurerne; siderne 2-3 for billederne og prøven EPUB.
- Benchmark tal: den offentliggjorte kørsel fra 2026-11-03 (engine commit c953279).
- Muligheder: ingen. Motoren har endnu ingen per-dokument indstillinger; de samme standardindstillinger gælder for hver fil.
Validering og resultater
EPUBCheck EPUBCheck på vores EPUB: 0 fejl, 0 advarsler.
EPUBCheck 5.4.0 på det downloadable prøver: 0 fejl, 0 advarsler (kontrolleret 2026-11-04).
- Sider
- 22
- Tid
- 0.56 s
- Maksimal hukommelse
- 48 MB
- Sprog detekteret
- fr
- Kapitler
- 9, fra artikeloverskrifterne
- Billeder beholdt
- 23
- Kvalitetsadvarsler
- ingen
| Motor | 8-gram tilbagekaldelse |
|---|---|
| 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 |
Begrænsninger vi har observeret
- pdf_oxide extract_text (0.903), OpenDataLoader (0.891) og PDFium (0.884) har en klart højere 8-gram tilbagekaldelse end vores motor (0.819) på dette dokument. Det meste af kløften er i sider med flydende billeder og referencelisten.
- Typografiske (’) og lige (') apostrofer opbevares, som PDF har dem; motoren forener dem ikke.
- Wikipedia-referencer undlader tabeller og infobokse, så præcisionen er lav for hver motor.