EpubCCKonverterar en fransk PDF till EPUB
Uppdaterad:
Fransk interpunktion kvarstår efter konvertering när PDF lagrar verklig text: « » guillemets behåller sina inre mellanrum, apostrofer och accenterade versaler kommer igenom, och EPUB är taggad som fransk. I denna 22-sidiga Wikipedia-artikel återhämtar andra motorer mer sammanhängande text än vår.
Original och resultat
Guillemets med mellanrum inuti (« … »), ett mellanslag före ; och :, typografiska och raka apostrofer, accenterade versaler (É) och œ ligaturen.
Ladda ner källan PDF Ladda ner provet EPUB
Vad motorn gör med fransk text
Franska sätter ett mellanslag inuti guillemets och före ; : ! ?. Motorn behåller dessa mellanrum som PDF har dem, så en rad börjar aldrig med en ensam » eller ; efter omflöde.
Språket upptäcktes som fr och skrevs till EPUB, så läsappar använder fransk bindning.
Vad provet visar
Sidorna 2 och 3: sammanfattning av de fem delarna av romanen, med « rédemption », titlar i kursiv och namn med accenter. Sida 3 har bilder; de behålls i exemplet EPUB.
Källa och licens
- Dokument
- Wikipedia (French): Les Misérables
- Licens
- CC BY-SA 4.0 (text); images under their own licences
- Sidor
- 22
- Egenskaper
- text PDF, en kolumn, Franska
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.
Använda inställningar
- Motor: EpubCC motor vid commit 3b74b26, den binära som genererade bilderna och provet (2026-11-04).
- Sidor: hela dokumentet för figurerna; sidor 2–3 för bilderna och exemplet EPUB.
- Benchmark siffror: den publicerade körningen av 2026-11-03 (motorcommit c953279).
- Alternativ: inga. Motorn har inga per-dokument-inställningar ännu; samma standardinställningar gäller för varje fil.
Validering och resultat
EPUBCheck EPUBCheck på vår EPUB: 0 fel, 0 varningar.
EPUBCheck 5.4.0 på den nedladdningsbara provet: 0 fel, 0 varningar (kontrollerat 2026-11-04).
- Sidor
- 22
- Tid
- 0.56 s
- Maxminne
- 48 MB
- Språk upptäckt
- fr
- Kapitel
- 9, från artikelns rubriker
- Bilder som behålls
- 23
- Kvalitetsvarningar
- ingen
| Motor | 8-gram återkallande |
|---|---|
| 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 |
Begränsningar vi observerat
- pdf_oxide extract_text (0.903), OpenDataLoader (0.891) och PDFium (0.884) har en tydligt högre 8-gram återkallning än vår motor (0.819) på detta dokument. Det mesta av gapet finns i sidor med flytande bilder och referenslistan.
- Typografiska (’) och raka (') apostrofer behålls såsom PDF har dem; motorn förenar dem inte.
- Wikipedia-referenser lämnar ut tabeller och infoboxar, så precisionen är låg för varje motor.