EpubCCPřevádění německého PDF na EPUB
Aktualizováno:
Německý text se převádí čistě, když PDF ukládá skutečný text Unicode: ä, ö, ü, ß a nízko-vysoké „…“ uvozovky se projeví beze změny, a EPUB je označeno jako němčina. V 86stránkovém článku na Wikipedii naše přesnost 8-gramu je 0.845, pod pdf_oxide's 0.877.
Původní a výsledek
Umlauty a ß, „…“ uvozovky, dlouhá složená slova a spojení s pomlčkami jako «Freiheits- und Brüderlichkeitsideale».
Stáhnout zdroj PDF Stáhnout ukázku EPUB
Co engine dělá s německým textem
Znaky jsou uchovávány tak, jak je PDF ukládá. Pomlčka na konci řádku je odstraněna pouze tehdy, když ji PDF označuje jako pomlčku na měkkém konci řádku nebo když následuje malé písmeno, takže suspendované pomlčky («Freiheits- und …») přežijí.
Jazyk je detekován jako de a zapsán do EPUB, takže čtecí aplikace používají německé dělení slov pro dlouhé složeniny.
Co ukazuje vzorek
Strany 19 a 20 článku: Goethe a francouzská revoluce, nabité citacemi „…“, ß a odkazy, a nadpisem, který se stává nadpisem v EPUB.
Zdroj a licence
- Dokument
- Wikipedia (German): Johann Wolfgang von Goethe
- Licence
- CC BY-SA 4.0 (text); images under their own licences
- Stránky
- 86
- Vlastnosti
- text PDF, jediný sloupec, Němčina
Wikipedia contributors, “Johann Wolfgang von Goethe”, German 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 2–3 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
- 86
- Čas
- 2.5 s
- Procentuální kódování mezer jako %20 a jiných rezervovaných znaků, a používejte lomítka vpřed.
- 87 MB
- Jazyk detekován
- de
- Kapitoly
- 11, z nadpisů článku
- Obrázky uchovány
- 42
- Upozornění na kvalitu
- žádný
| Stroj | 8-gramová recall |
|---|---|
| EpubCC engine (EPUB output) | 0.862 |
| EpubCC engine (plain text) | 0.856 |
| pdf_oxide · extract_text | 0.877 |
| pdf_oxide · to_plain_text (XY-cut) | 0.877 |
| pdf_oxide · Markdown | 0.758 |
| PDFium · text().all() | 0.854 |
| OpenDataLoader PDF (local mode) | 0.862 |
| pdftotext (Poppler) | 0.853 |
| Calibre · ebook-convert (EPUB output) | 0.853 |
| EpubCC engine (EPUB, same extractor as Calibre) | 0.862 |
Omezení, která jsme pozorovali
- pdf_oxide extract_text (0.877) a OpenDataLoader (0.862) mají vyšší 8-gram recall než náš engine (0.845) na tomto dokumentu.
- Skutečná pomlčka na konci řádku následovaná velkým písmenem může být ztracena: v nařízení EU, které jsme převedli, se «Online-» + «Desinformation» stalo «OnlineDesinformation». Stránky zobrazené zde nemají takový přerušení.
- Odkazy z Wikipedie vynechávají tabulky a infoboxy, takže přesnost je nízká pro každý systém.