EpubCCConversion d'un rapport gouvernemental avec des notes de bas de page en EPUB
Mis à jour :
Les rapports gouvernementaux mettent des notes de bas de page en bas de presque chaque page et répètent le numéro de rapport dans chaque pied de page. Sur un rapport GAO de 58 pages, le moteur EpubCC a trouvé 50 notes de bas de page, en a lié 47 à leurs appels et a supprimé les pieds de page, sans texte de marge restant dans le EPUB.
Original et résultat
Notes de bas de page sur la plupart des pages, un pied de page courant avec numéro de page et numéro de rapport, un en-tête, des figures et des tableaux, et des annexes avec lettres de commentaires d'agence.
Télécharger la source PDF Télécharger l'échantillon EPUB
Comment les notes de bas de page sont trouvées
Un bloc est une note de bas de page lorsqu'il est plus petit que le texte principal, se trouve dans la moitié inférieure de la page sous le texte principal et commence par un marqueur. Les exposants dans le corps avec le même label deviennent des liens vers la note, et la note renvoie vers le lien.
Dans le EPUB, les notes sont placées à la fin de leur chapitre comme des notes de bas de page EPUB, donc les applications de lecture qui les supportent ouvrent la note dans une fenêtre pop-up.
Ce que l'échantillon montre
Pages 6 et 7 : la lettre au Congrès avec les notes de bas de page 1 à 3. Le paragraphe qui traverse le saut de page est rassemblé, le pied de page «Page 1 · GAO-24-106219 Contrats fédéraux» a disparu, et les appels sont des liens.
Source et licence
- Document
- GAO report 24-106219
- Licence
- Public domain (U.S. Government work; GAO notes it may contain third-party copyrighted material)
- Pages
- 58
- Caractéristiques
- texte PDF, une colonne, notes de bas de page, en-têtes répétés, figures, tableaux, rapport
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.
Paramètres utilisés
- Moteur : EpubCC moteur à l'engagement 3b74b26, le binaire qui a généré les images et l'échantillon (2026-11-04).
- Pages : le document entier pour les figures ; pages 6–7 pour les images et l'échantillon EPUB.
- Chiffres de référence : un exécution du 2026-11-04 avec le même binaire, chaque moteur sur l'ensemble du document ; ce document ne fait pas encore partie de la référence publiée.
- 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
- 58
- Temps
- 0.73 s
- Mémoire peak
- 147 MB
- Notes de bas de page trouvées
- 50
- Appels de notes de bas de page liés
- 47
- En-têtes et pieds de page en cours de suppression.
- 69
- Chapitres
- 8, provenant de l'PDF plan
- Images conservées
- 18
- Avertissements de qualité
- aucun
| Moteur | Fuite de marge |
|---|---|
| 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 |
Limitations observées
- 3 des 50 notes de bas de page n'étaient pas liées à un appel : elles restent comme notes à la fin du chapitre sans lien retour.
- Un tiret faisant partie d'un mot est perdu lorsqu'il se trouve à la fin d'une ligne avant une majuscule : «E-» + «Verify» devient «EVerify» (visible dans l'exemple), «indefinite-» + «delivery» devient «indefinitedelivery».
- Les cellules de tableau et les légendes de figures sont écrites en tant que texte dans l'ordre de lecture, et non reconstruites en tableaux.
- Le bloc d'adresse de l'en-tête devient des paragraphes courts et ordinaires.
- Le GAO ne publie pas de version HTML ou texte, donc il n'y a pas de texte de référence indépendant : le tableau mesure la fuite des marges, pas la qualité du texte.