EpubCCConversion d'un PDF allemand en EPUB
Mis à jour :
Le texte allemand se convertit proprement lorsque le PDF stocke du texte Unicode réel : ä, ö, ü, ß et les guillemets bas-haut „…“ passent inchangés, et le EPUB est étiqueté en tant qu'allemand. Sur un article Wikipedia de 86 pages, notre rappel de 8 grammes est de 0.845, en dessous de la précision de pdf_oxide à 0.877.
Original et résultat
Umlauts et ß, guillemets „…“, longs mots composés et paires hyphenées telles que «Freiheits- und Brüderlichkeitsideale».
Télécharger la source PDF Télécharger l'échantillon EPUB
Ce que le moteur fait avec le texte allemand
Les caractères sont conservés tels que le PDF les stocke. Un tiret à la fin d'une ligne est supprimé uniquement lorsque le PDF le marque comme un tiret de fin de ligne doux ou lorsqu'une lettre minuscule suit, donc les tirets suspendus («Freiheits- und …») survivent.
La langue est détectée comme de et écrite dans le EPUB, donc les applications de lecture utilisent la césure allemande pour les longs composés.
Ce que l'échantillon montre
Pages 19 et 20 de l'article : Goethe et la Révolution française, denses en «…» citations, ß et appels de référence, et un titre de section qui devient un titre dans le EPUB.
Source et licence
- Document
- Wikipedia (German): Johann Wolfgang von Goethe
- Licence
- CC BY-SA 4.0 (text); images under their own licences
- Pages
- 86
- Caractéristiques
- texte PDF, une colonne, Allemand
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.
Paramètres utilisés
- Moteur : EpubCC moteur à l'engagement 3b74b26, le binaire qui a généré les images et l'échantillon (2026-11-04).
- Pages : l'ensemble du document pour les figures ; pages 19–20 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
- 86
- Temps
- 2.5 s
- Mémoire peak
- 87 MB
- Langue détectée
- de
- Chapitres
- 11, provenant des titres de l'article
- Images conservées
- 42
- Avertissements de qualité
- aucun
| Moteur | rappel 8-gram |
|---|---|
| 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 |
Limitations observées
- pdf_oxide extract_text (0.877) et OpenDataLoader (0.862) ont un rappel de 8-grammes plus élevé que notre moteur (0.845) sur ce document.
- Un véritable trait d'union à la fin d'une ligne suivi d'une lettre majuscule peut être perdu : dans un règlement de l'UE que nous avons converti, «En ligne-» + «Désinformation» est devenu «En ligneDésinformation». Les pages présentées ici n'ont pas de telle coupure.
- Les références de Wikipedia omettent les tableaux et les infobox, donc la précision est faible pour chaque moteur.