EpubCCKonvertering av en regjeringsrapport med fotnoter til EPUB
Oppdatert:
Regjeringsrapporter setter fotnoter nederst på nesten hver side og gjentar rapportnummeret i hver bunntekst. I en 58-siders GAO-rapport fant EpubCC motoren 50 fotnoter, koblet 47 til deres henvisninger og fjernet bunntekstene, uten margintekst igjen i EPUB.
Opprinnelig og resultat
Fotnoter på de fleste sidene, en løpende bunntekst med sidenummer og rapportnummer, et brevpapir, figurer og tabeller, og vedlegg med kommentarer fra myndigheter.
Last ned kilde PDF Last ned prøven EPUB
Hvordan fotnoter finnes
Et blokkelement er en fotnote når det er mindre enn brødteksten, befinner seg i den nedre halvdelen av siden under brødteksten, og begynner med en markør. Hevet skrift i brødteksten med samme etikett blir lenker til notatet, og notatet lenker tilbake.
I EPUB plasseres notene på slutten av kapitlet deres som EPUB fotnoter, så leseapper som støtter dem åpner noten i en pop-up.
Hva prøven viser
Sider 6 og 7: brevet til Kongressen med fotnoter 1 til 3. Avsnittet som krysser sidebruddet er slått sammen, fotnoten «Side 1 · GAO-24-106219 Federal Contracting» er borte, og samtalene er lenker.
Kilde og lisens
- Dokument
- GAO report 24-106219
- Lisens
- Public domain (U.S. Government work; GAO notes it may contain third-party copyrighted material)
- Sider
- 58
- Egenskaper
- tekst PDF, én kolonne, fotnoter, gjentatte overskrifter, figurer, tabeller, 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.
Innstillinger brukt
- Motor: EpubCC motor ved commit 3b74b26, binæren som genererte bildene og eksempelet (2026-11-04).
- Sider: hele dokumentet for figurene; sider 6–7 for bildene og prøve EPUB.
- Benchmarkfigurer: et løp fra 2026-11-04 med samme binære, hver motor på hele dokumentet; dette dokumentet er ikke enda en del av den publiserte benchmark.
- Alternativer: ingen. Motoren har enda ingen dokumentinnstillinger; de samme standardene gjelder for hver fil.
Validering og resultater
EPUBCheck EPUBCheck på vår EPUB: 0 feil, 0 advarsler.
EPUBCheck 5.4.0 på den nedlastbare prøven: 0 feil, 0 advarsler (sjekket 2026-11-04).
- Sider
- 58
- Tid
- 0.73 s
- Maksimal minne
- 147 MB
- Fotnoter funnet
- 50
- Fotnotekall lenket
- 47
- Løpende overskrifter og fotnoter fjernet
- 69
- Kapitler
- 8, fra PDF-oversikten
- Bilder beholdt
- 18
- Kvalitetsvarsler
- ingen
| Motor | Marginlekkasje |
|---|---|
| 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 |
Begrensninger vi observerte
- 3 av de 50 fotnotene var ikke lenket til en henvisning: de forblir som notater på slutten av kapitlet uten en lenke tilbake.
- En bindestrek som er en del av et ord forsvinner når den faller på slutten av en linje før en stor bokstav: «E-» + «Verify» ble «EVerify» (synlig i eksemplet), «indefinite-» + «delivery» ble «indefinitedelivery».
- Tabellceller og figurhenvisninger skrives som tekst i leseretning, ikke gjenoppbygges som tabeller.
- Adresseblokken på brevpapiret blir vanlige korte avsnitt.
- GAO publiserer ingen HTML- eller tekstversjon, så det finnes ingen uavhengig referansetekst: tabellen måler marginlekkasje, ikke tekstkvalitet.