EpubCCConvirtiendo un informe gubernamental con notas al pie a EPUB
Actualizado:
Los informes gubernamentales colocan notas al pie en casi cada página y repiten el número de informe en cada pie de página. En un informe de GAO de 58 páginas, el motor EpubCC encontró 50 notas al pie, vinculó 47 a sus llamadas y eliminó los pies de página, sin dejar texto de margen en el EPUB.
Original y resultado
Notas al pie en la mayoría de las páginas, un pie de página en ejecución con número de página y número de informe, un membrete, figuras y tablas, y apéndices con cartas de comentarios de agencias.
Descargar fuente PDF Descargar la muestra EPUB
Cómo se encuentran las notas al pie
Un bloque es una nota a pie de página cuando es más pequeño que el texto del cuerpo, se sitúa en la mitad inferior de la página debajo del texto del cuerpo y comienza con un marcador. Los superíndices en el cuerpo con la misma etiqueta se convierten en enlaces a la nota, y la nota enlaza de regreso.
En el EPUB, las notas se colocan al final de su capítulo como EPUB notas al pie, por lo que las aplicaciones de lectura que las soportan abren la nota en un popup.
¿Qué muestra la muestra?
Páginas 6 y 7: la carta al Congreso con notas a pie de página 1 a 3. El párrafo que cruza el salto de página está unido, el pie de página «Página 1 · GAO-24-106219 Contratación Federal» ha desaparecido, y las llamadas son enlaces.
Fuente y licencia
- Documento
- GAO report 24-106219
- Licencia
- Public domain (U.S. Government work; GAO notes it may contain third-party copyrighted material)
- Páginas
- 58
- Características
- texto PDF, una columna, notas al pie, encabezados repetidos, figuras, tablas, informe
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.
Configuraciones utilizadas
- Motor: EpubCC motor en commit 3b74b26, el binario que generó las imágenes y la muestra (2026-11-04).
- Páginas: todo el documento para las figuras; páginas 6–7 para las imágenes y la muestra EPUB.
- Cifras de referencia: una ejecución del 2026-11-04 con el mismo binario, cada motor sobre todo el documento; este documento aún no forma parte de la referencia publicada.
- Opciones: ninguna. El motor no tiene configuraciones por documento aún; los mismos valores predeterminados se aplican a cada archivo.
Validación y resultados
EPUBCheck EPUBCheck en nuestro EPUB: 0 errores, 0 advertencias.
EPUBCheck 5.4.0 en la muestra descargable: 0 errores, 0 advertencias (verificado el 2026-11-04).
- Páginas
- 58
- Tiempo
- 0.73 s
- Memoria máxima
- 147 MB
- Notas al pie encontradas
- 50
- Llamadas de notas al pie enlazadas
- 47
- Encabezados y pies de página eliminados
- 69
- Capítulos
- 8, del esquema de PDF
- Imágenes mantenidas
- 18
- Advertencias de calidad
- ninguno
| Motor | Filtración de márgenes |
|---|---|
| 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 |
Limitaciones que observamos
- 3 de las 50 notas al pie no estaban vinculadas a una referencia: quedan como notas al final del capítulo sin un enlace de regreso.
- Un guion que forma parte de una palabra se pierde cuando está al final de una línea antes de una letra mayúscula: «E-» + «Verify» se convirtió en «EVerify» (visible en la muestra), «indefinite-» + «delivery» se convirtió en «indefinitedelivery».
- Las celdas de tabla y las etiquetas de figuras se escriben como texto en orden de lectura, no se reconstruyen como tablas.
- El bloque de dirección de la carta se convierte en párrafos cortos ordinarios.
- GAO no publica versión en HTML o texto, por lo que no hay un texto de referencia independiente: la tabla mide la fuga de márgenes, no la calidad del texto.