EpubCCΜετατροπή μιας κυβερνητικής έκθεσης με υποσημειώσεις σε EPUB
Ενημερωμένο:
Οι κυβερνητικές αναφορές τοποθετούν υποσημειώσεις στο τέλος σχεδόν κάθε σελίδας και επαναλαμβάνουν τον αριθμό αναφοράς σε κάθε υποσέλιδο. Σε μια αναφορά 58 σελίδων της GAO, η μηχανή EpubCC βρήκε 50 υποσημειώσεις, συνδέοντας 47 με τις κλήσεις τους και αφαίρεσε τα υποσέλιδα, χωρίς κείμενο περιθωρίου να έχει απομείνει στο EPUB.
Πρωτότυπη και αποτέλεσμα
Υποσημειώσεις στις περισσότερες σελίδες, ένα τρέχον υποσέλιδο με αριθμό σελίδας και αριθμό αναφοράς, μια επικεφαλίδα, σχήματα και πίνακες, και παραρτήματα με επιστολές σχολίων από υπηρεσίες.
Κατεβάστε την πηγή PDF Κατεβάστε το δείγμα EPUB
Πώς βρίσκονται οι υποσημειώσεις
Ένα μπλοκ είναι υποσημείωση όταν είναι μικρότερο από το κείμενο του σώματος, βρίσκεται στο κάτω μισό της σελίδας κάτω από το κείμενο του σώματος και ξεκινά με ένα δείκτη. Οι ανωτερότητες στο σώμα με την ίδια ετικέτα γίνονται σύνδεσμοι προς την σημείωση, και η σημείωση συνδέεται πίσω.
Στην EPUB, οι σημειώσεις τοποθετούνται στο τέλος του κεφαλαίου τους ως EPUB υποσημειώσεις, έτσι οι εφαρμογές ανάγνωσης που τις υποστηρίζουν ανοίγουν τη σημείωση σε αναδυόμενο παράθυρο.
Τι δείχνει το δείγμα;
Σελίδες 6 και 7: η επιστολή προς το Κογκρέσο με υποσημειώσεις 1 έως 3. Η παράγραφος που διασχίζει το διάλειμμα σελίδας έχει ενωθεί, η υποσέλιδο «Σελίδα 1 · GAO-24-106219 Ομοσπονδιακή Σύμβαση» έχει φύγει, και οι αναφορές είναι σύνδεσμοι.
Πηγή και άδεια
- Έγγραφο
- GAO report 24-106219
- Άδεια
- Public domain (U.S. Government work; GAO notes it may contain third-party copyrighted material)
- Σελίδες
- 58
- Χαρακτηριστικά
- κείμενο PDF, μία στήλη, υποσημειώσεις, επαναλαμβανόμενοι επικεφαλίδες, εικόνες, πίνακες, αναφορά
U.S. Government Accountability Office, GAO-24-106219, “Federal Contracting: Agencies Can Better Monitor E-Verify Compliance”, October 2023. A work of the U.S. Government, not subject to copyright in the U.S.; GAO notes that third-party images in its reports may need separate permission.
Ρυθμίσεις που χρησιμοποιούνται
- Μηχανή: EpubCC μηχανή στην αναθεώρηση 3b74b26, το δυαδικό αρχείο που δημιούργησε τις εικόνες και το δείγμα (2026-11-04).
- Σελίδες: το ολόκληρο έγγραφο για τις εικόνες; σελίδες 6–7 για τις εικόνες και το δείγμα EPUB.
- Στοιχεία benchmark: μια εκτέλεση της 2026-11-04 με το ίδιο δυαδικό, κάθε μηχανή σε ολόκληρο το έγγραφο; αυτό το έγγραφο δεν είναι ακόμη μέρος του δημοσιευμένου benchmark.
- Επιλογές: καμία. Η μηχανή δεν έχει ακόμα ρυθμίσεις ανά έγγραφο; οι ίδιες προεπιλογές ισχύουν για κάθε αρχείο.
Επικύρωση και αποτελέσματα
EPUBCheck EPUBCheck στην EPUB μας: 0 σφάλματα, 0 προειδοποιήσεις.
EPUBCheck 5.4.0 στο διαθέσιμο δείγμα: 0 σφάλματα, 0 προειδοποιήσεις (ελεγχμένο 2026-11-04).
- Σελίδες
- 58
- Χρόνος
- 0.73 s
- Μέγιστη μνήμη
- 147 MB
- Βρέθηκαν υποσημειώσεις
- 50
- Σύνδεσμοι υποσημειώσεων
- 47
- Αφαιρεθείσα τρέχουσα κεφαλίδα και υποσέλιδο
- 69
- Κεφάλαια
- 8, από το περίγραμμα του PDF
- Οι εικόνες διατηρήθηκαν
- 18
- Προειδοποιήσεις ποιότητας
- κανένα
| Μηχανή | Διαρροή περιθωρίου |
|---|---|
| EpubCC engine (EPUB output) | 0.000 |
| EpubCC engine (plain text) | 0.981 |
| pdf_oxide · extract_text | 1.000 |
| pdf_oxide · to_plain_text (XY-cut) | 1.000 |
| pdf_oxide · Markdown | 0.077 |
| PDFium · text().all() | 1.000 |
| OpenDataLoader PDF (local mode) | 0.000 |
| pdftotext (Poppler) | 0.000 |
| Calibre · ebook-convert (EPUB output) | 0.865 |
| EpubCC engine (EPUB, same extractor as Calibre) | 0.000 |
Περιορισμοί που παρατηρήσαμε
- 3 από τις 50 υποσημειώσεις δεν συνδέονταν με μια κλήση: παραμένουν ως σημειώσεις στο τέλος του κεφαλαίου χωρίς σύνδεση πίσω.
- Ένας παύλος που είναι μέρος μιας λέξης χάνεται όταν πέφτει στο τέλος μιας γραμμής πριν από ένα κεφαλαίο γράμμα: «E-» + «Verify» έγινε «EVerify» (ορατό στο δείγμα), «indefinite-» + «delivery» έγινε «indefinitedelivery».
- Τα κελιά των πινάκων και οι ετικέτες των φιγουρών γράφονται ως κείμενο σε διάταξη ανάγνωσης, δεν ξαναχτίζονται ως πίνακες.
- Το μπλοκ διεύθυνσης της κεφαλίδας γίνεται κανονικά σύντομες παραγράφοι.
- Η GAO δεν δημοσιεύει HTML ή κείμενο, επομένως δεν υπάρχει ανεξάρτητο αναφοράς κειμένου: ο πίνακας μετράει διαρροές περιθωρίου, όχι ποιότητα κειμένου.