EpubCCConversion d'un PDF français en EPUB
Mis à jour :
La ponctuation française survit à la conversion lorsque le PDF stocke du texte réel : les guillemets « » gardent leurs espaces intérieurs, les apostrophes et les majuscules accentuées passent, et le EPUB est étiqueté en tant que français. Sur cet article Wikipedia de 22 pages, d'autres moteurs récupèrent plus de texte continu que le nôtre.
Original et résultat
Guillemets avec espaces à l'intérieur (« … »), un espace avant ; et :, apostrophes typographiques et droites, majuscules accentuées (É) et la ligature œ.
Télécharger la source PDF Télécharger l'échantillon EPUB
Ce que le moteur fait avec le texte français
En français, on met un espace à l'intérieur des guillemets et avant ; : ! ?. Le moteur conserve ces espaces comme le PDF les a, donc une ligne ne commence jamais par un » ou ; seul après le réajustement.
La langue est détectée comme fr et écrite dans le EPUB, donc les applications de lecture utilisent la césure française.
Ce que l'échantillon montre
Pages 2 et 3 : le résumé des cinq parties du roman, avec « rédemption », titres en italique et noms avec accents. La page 3 contient des images ; elles sont conservées dans l'échantillon EPUB.
Source et licence
- Document
- Wikipedia (French): Les Misérables
- Licence
- CC BY-SA 4.0 (text); images under their own licences
- Pages
- 22
- Caractéristiques
- texte PDF, une colonne, Français
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.
Paramètres utilisés
- Moteur : EpubCC moteur à l'engagement 3b74b26, le binaire qui a généré les images et l'échantillon (2026-11-04).
- Pages : le document entier pour les figures ; pages 2–3 pour les images et l'échantillon EPUB.
- Chiffres de référence : l'exécution publiée du 2026-11-03 (commit de moteur c953279).
- Options : aucune. Le moteur n'a pas encore de paramètres par document ; les mêmes valeurs par défaut s'appliquent à chaque fichier.
Validation et résultats
EPUBCheck EPUBCheck sur notre EPUB : 0 erreurs, 0 avertissements.
EPUBCheck 5.4.0 sur l'exemple téléchargeable : 0 erreurs, 0 avertissements (vérifié le 2026-11-04).
- Pages
- 22
- Temps
- 0.56 s
- Mémoire peak
- 48 MB
- Langue détectée
- fr
- Chapitres
- 9, provenant des titres de l'article
- Images conservées
- 23
- Avertissements de qualité
- aucun
| Moteur | rappel 8-gram |
|---|---|
| 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 |
Limitations observées
- pdf_oxide extract_text (0.903), OpenDataLoader (0.891) et PDFium (0.884) ont un rappel de 8-grammes clairement plus élevé que notre moteur (0.819) sur ce document. La plupart de l'écart se situe dans les pages avec des images flottantes et la liste de références.
- Les apostrophes typographiques (’) et droites (') sont conservées telles que le PDF les a ; le moteur ne les unifie pas.
- Les références de Wikipedia omettent les tableaux et les infobox, donc la précision est faible pour chaque moteur.