EpubCCEen overheidsrapport met voetnoten naar EPUB converteren
Bijgewerkt:
Overheidsrapporten plaatsen voetnoten onderaan bijna elke pagina en herhalen het rapportnummer in elk voetnoot. In een 58-pagina GAO-rapport vond de EpubCC motor 50 voetnoten, koppelde 47 aan hun oproepen en verwijderde de voetteksten, zonder dat er marge tekst overbleef in de EPUB.
Origineel en resultaat
Voetnoten overleven een conversie wanneer ze worden gedetecteerd als notities en gelinkt zijn vanaf hun vermelding, in plaats van als kleine tekst onderaan elke pagina te blijven staan.
Download bron PDF Download het voorbeeld EPUB
Hoe voetnoten worden gevonden
Een blok is een voetnoot wanneer het kleiner is dan de hoofdtekst, zich in de onderste helft van de pagina onder de hoofdtekst bevindt, en begint met een marker. Superscripts in de hoofdtekst met dezelfde label worden links naar de noot, en de noot linkt terug.
In de EPUB worden de noten aan het einde van hun hoofdstuk geplaatst als EPUB voetnoten, zodat leesapps die ze ondersteunen de noot in een pop-up openen.
Wat het voorbeeld toont
Pagina's 6 en 7: de brief aan het Congres met voetnoten 1 tot 3. De paragraaf die de paginakuiering overschrijdt, is samengevoegd, de voettekst «Pagina 1 · GAO-24-106219 Federal Contracting» is verdwenen, en de aanroepen zijn links.
Bron en licentie
- Document
- GAO report 24-106219
- Licentie
- Public domain (U.S. Government work; GAO notes it may contain third-party copyrighted material)
- Pagina's
- 58
- Eigenschappen
- tekst PDF, één kolom, voetnoten, herhaalde koppen, figuren, tabellen, 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.
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 6–7 voor de afbeeldingen en het voorbeeld EPUB.
- Benchmarkcijfers: een run van 2026-11-04 met dezelfde binary, elke engine op het hele document; dit document is nog geen onderdeel van de gepubliceerde benchmark.
- 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
- 58
- Tijd
- 0.73 s
- Piekgeheugen
- 147 MB
- Gevonden voetnoten
- 50
- Voetnoot- of inhoudsopgave-links naar een id die is hernoemd of nooit is geschreven, een veelvoorkomend resultaat van conversie en van het splitsen van een boek in hoofdstukken.
- 47
- Voortgangskoppen en -voeten verwijderd
- 69
- Hoofdstukken
- 8, van de PDF indeling
- Afbeeldingen bewaard
- 18
- Kwaliteitswaarschuwingen
- geen
| Motor | Marginaleiding |
|---|---|
| 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 |
Beperkingen die we hebben waargenomen
- 3 van de 50 voetnoten waren niet gekoppeld aan een oproep: ze blijven als notities aan het einde van het hoofdstuk zonder een link terug.
- Een koppelteken dat deel uitmaakt van een woord verdwijnt wanneer het aan het einde van een regel staat voor een hoofdletter: «E-» + «Verify» werd «EVerify» (zichtbaar in het voorbeeld), «indefinite-» + «delivery» werd «indefinitedelivery».
- Tabelcellen en figuurlabels zijn geschreven als tekst in leesvolgorde, niet opnieuw opgebouwd als tabellen.
- Het adresblok van het briefhoofd wordt gewone korte paragrafen.
- GAO publiceert geen HTML- of tekstversie, dus er is geen onafhankelijke referentietekst: de tabel meet marge lekkage, niet de tekstkwaliteit.