EpubCCEen Duitse PDF naar EPUB converteren
Bijgewerkt:
Duitse tekst converteert goed wanneer de PDF echte Unicode-tekst opslaat: ä, ö, ü, ß en de laag-hoge „…“ aanhalingen komen onveranderd door en de EPUB wordt gemarkeerd als Duits. In een 86-pagina Wikipedia-artikel is onze 8-gram recall 0.845, onder pdf_oxide's 0.877.
Origineel en resultaat
Umlauts en ß, „…“ aanhalingstekens, lange samenstellingen en gekoppelde paren zoals «Freiheits- und Brüderlichkeitsideale».
Download bron PDF Download het voorbeeld EPUB
Wat de engine doet met Duitse tekst
Tekens worden behouden zoals de PDF ze opslaat. Een koppelteken aan het einde van een regel wordt alleen verwijderd wanneer de PDF dit markeert als een zachte regel-einde koppelteken of wanneer er een kleine letter volgt, zodat onderbroken koppelteken («Freiheits- und …») behouden blijven.
De taal wordt gedetecteerd als de en geschreven naar de EPUB, zodat lees-apps Duitse afbreking gebruiken voor lange samenstellingen.
Wat het voorbeeld toont
Pagina's 19 en 20 van het artikel: Goethe en de Franse Revolutie, vol met „…“ citaten, ß en referentie-aanroepen, en een sectietitel die een kop wordt in de EPUB.
Bron en licentie
- Document
- Wikipedia (German): Johann Wolfgang von Goethe
- Licentie
- CC BY-SA 4.0 (text); images under their own licences
- Pagina's
- 86
- Eigenschappen
- tekst PDF, één kolom, Duits
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.
Gebruikte instellingen
- Engine: EpubCC engine bij commit 3b74b26, het binaire dat de afbeeldingen en de sample heeft gegenereerd (2026-11-04).
- Pagina's: het hele document voor de figuren; pagina's 19–20 voor de afbeeldingen en het voorbeeld EPUB.
- Benchmarkcijfers: de gepubliceerde run van 2026-11-03 (engine commit c953279).
- Opties: geen. De engine heeft nog geen instellingen per document; dezelfde standaardinstellingen zijn van toepassing op elk bestand.
Validatie en resultaten
EPUBCheck EPUBCheck op onze EPUB: 0 fouten, 0 waarschuwingen.
EPUBCheck 5.4.0 op het downloadbare monster: 0 fouten, 0 waarschuwingen (gecontroleerd 2026-11-04).
- Pagina's
- 86
- Tijd
- 2.5 s
- Piekgeheugen
- 87 MB
- Taal gedetecteerd
- de
- Hoofdstukken
- 11, van de koppen van het artikel
- Afbeeldingen bewaard
- 42
- Kwaliteitswaarschuwingen
- geen
| Motor | 8-gram herinnering |
|---|---|
| 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 |
Beperkingen die we hebben waargenomen
- pdf_oxide extract_text (0.877) en OpenDataLoader (0.862) hebben een hogere 8-gram recall dan onze engine (0.845) op dit document.
- Een echt koppelteken aan het eind van een regel gevolgd door een hoofdletter kan verloren gaan: in een EU-regelgeving die we hebben geconverteerd, werd «Online-» + «Desinformation» «OnlineDesinformation». De pagina's die hier worden weergegeven hebben geen dergelijke onderbreking.
- Wikipedia-referenties laten tabellen en infoboxen weg, waardoor de precisie laag is voor elke engine.