EpubCCKonvertierung eines deutschen PDF zu EPUB
Aktualisiert:
Deutscher Text wird sauber konvertiert, wenn das PDF echten Unicode-Text speichert: ä, ö, ü, ß und die tief-hoch „…“ Anführungszeichen werden unverändert übertragen und das EPUB wird als Deutsch gekennzeichnet. Bei einem 86-seitigen Wikipedia-Artikel liegt unser 8-Gramm-Rückruf bei 0.845, unter pdf_oxide's 0.877.
Original und Ergebnis
Umlaute und ß, „…“ Anführungszeichen, lange zusammengesetzte Wörter und durch Bindestriche verbundene Paare wie «Freiheits- und Brüderlichkeitsideale».
Quell-PDF herunterladen Laden Sie das Muster EPUB herunter
Was die Engine mit deutschem Text macht.
Zeichen werden so beibehalten, wie es der PDF speichert. Ein Bindestrich am Ende einer Zeile wird nur entfernt, wenn das PDF ihn als weichen Zeilenumbruch bindestrich kennzeichnet oder wenn ein Kleinbuchstabe folgt, sodass aufgehängte Bindestriche («Freiheits- und …») überleben.
Die Sprache wird als de erkannt und in die EPUB geschrieben, sodass Leseanwendungen die deutsche Silbentrennung für lange Zusammensetzungen verwenden.
Was das Muster zeigt.
Seiten 19 und 20 des Artikels: Goethe und die Französische Revolution, dicht mit „…“ Zitaten, ß und Referenzaufrufen, und ein Abschnittsüberschrift, die zu einer Überschrift im EPUB wird.
Quelle und Lizenz
- Dokument
- Wikipedia (German): Johann Wolfgang von Goethe
- Lizenz
- CC BY-SA 4.0 (text); images under their own licences
- Seiten
- 86
- Eigenschaften
- Text PDF, eine Spalte, Deutsch
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.
Verwendete Einstellungen
- Engine: EpubCC Engine bei Commit 3b74b26, das Binärformat, das die Bilder und das Beispiel erzeugt hat (2026-11-04).
- Seiten: das gesamte Dokument für die Abbildungen; Seiten 19–20 für die Bilder und das Beispiel EPUB.
- Benchmark-Zahlen: der veröffentlichte Lauf vom 2026-11-03 (Engine-Commit c953279).
- Optionen: keine. Die Engine hat noch keine dokumentenspezifischen Einstellungen; dieselben Standardwerte gelten für jede Datei.
Validierung und Ergebnisse
EPUBCheck EPUBCheck auf unserem EPUB: 0 Fehler, 0 Warnungen.
EPUBCheck 5.4.0 über das herunterladbare Beispiel: 0 Fehler, 0 Warnungen (überprüft am 2026-11-04).
- Seiten
- 86
- Zeit
- 2.5 s
- Maximaler Speicher
- 87 MB
- Sprache erkannt
- de
- Kapitel
- 11, aus den Überschriften des Artikels
- Bilder beibehalten
- 42
- Qualitätswarnungen
- keine
| Motor | 8-Gramm-Rückruf |
|---|---|
| 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 |
Beobachtete Einschränkungen
- pdf_oxide extract_text (0.877) und OpenDataLoader (0.862) haben eine höhere 8-Gramm-Rückrufquote als unsere Engine (0.845) in diesem Dokument.
- Ein echter Bindestrich am Ende einer Zeile, gefolgt von einem Großbuchstaben, könnte verloren gehen: In einer EU-Verordnung, die wir konvertiert haben, wurde «Online-» + «Desinformation» zu «OnlineDesinformation». Die hier gezeigten Seiten haben keinen solchen Bruch.
- Wikipedia-Referenzen lassen Tabellen und Infoboxen weg, sodass die Genauigkeit für jede Engine niedrig ist.