EpubCCKonwersja raportu rządowego z przypisami do EPUB
Zaktualizowane:
Raporty rządowe umieszczają przypisy na dole prawie każdej strony i powtarzają numer raportu w każdej stopce. W 58-stronnicowym raporcie GAO silnik EpubCC znalazł 50 przypisów, powiązał 47 z ich wołaniami i usunął stopki, pozostawiając bez tekstu marginesowego w EPUB.
Oryginał i wynik
Przypisy na większości stron, bieżący nagłówek z numerem strony i numerem raportu, nagłówek, ilustracje i tabele oraz aneksy z komentarzami agencji.
Pobierz źródło PDF Pobierz próbkę EPUB
Jak przypisy są znajdowane
Blok jest przypiskiem, gdy jest mniejszy niż tekst w treści, znajduje się w dolnej połowie strony poniżej tekstu i zaczyna się od znacznika. Indeksy górne w treści z tym samym oznaczeniem stają się linkami do przypisu, a przypis łączy z powrotem.
W EPUB notatki są umieszczane na końcu swojego rozdziału jako EPUB przypisy, więc aplikacje do czytania, które je obsługują, otwierają notatkę w oknie podręcznym.
Co pokazuje próbka
Strony 6 i 7: list do Kongresu z przypisami 1 do 3. Akapit, który przebiega przez łamanie strony, jest połączony, stopka «Strona 1 · GAO-24-106219 Federal Contracting» zniknęła, a odniesienia są linkami.
Źródło i licencja
- Dokument
- GAO report 24-106219
- Licencja
- Public domain (U.S. Government work; GAO notes it may contain third-party copyrighted material)
- Strony
- 58
- Cechy
- tekst PDF, jedna kolumna, pr przypisy, powtarzające się nagłówki, figury, tabele, raport
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.
Ustawienia użyte
- Silnik: EpubCC silnik w wersji 3b74b26, binarny, który wygenerował obrazy i próbkę (2026-11-04).
- Strony: cały dokument dla figur; strony 6–7 dla obrazów i próbki EPUB.
- Wyniki benchmarków: uruchomienie z dnia 2026-11-04 z tym samym binarnym, każdy silnik na całym dokumencie; ten dokument nie jest jeszcze częścią opublikowanego benchmarku.
- Opcje: brak. Silnik nie ma jeszcze ustawień na poziomie dokumentu; te same domyślne ustawienia mają zastosowanie do każdego pliku.
Walidacja i wyniki
EPUBCheck EPUBCheck w naszym EPUB: 0 błędów, 0 ostrzeżeń.
EPUBCheck 5.4.0 w próbce do pobrania: 0 błędów, 0 ostrzeżeń (sprawdzone 2026-11-04).
- Strony
- 58
- Czas
- 0.73 s
- Szczyt pamięci
- 147 MB
- Znalezione przypisy
- 50
- Odwołania do przypisów
- 47
- Nagłówki i stopki usunięte
- 69
- Rozdziały
- 8, z PDF spisu treści
- Obrazy zachowane
- 18
- Ostrzeżenia o jakości
- brak
| Silnik | Wycieki marginesów |
|---|---|
| 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 |
Ograniczenia, które zaobserwowaliśmy
- 3 z 50 przypisów nie były połączone z odwołaniem: pozostają jako notatki na końcu rozdziału bez odnośnika z powrotem.
- Myślnik, który jest częścią słowa, zostaje utracony, gdy znajduje się na końcu wiersza przed dużą literą: «E-» + «Verify» stało się «EVerify» (widoczne w przykładzie), «indefinite-» + «delivery» stało się «indefinitedelivery».
- Komórki tabeli i podpisy figur są zapisane jako tekst w kolejności czytania, a nie odbudowywane jako tabele.
- Blok adresowy na papierze firmowym staje się zwykłymi krótkimi akapitami.
- GAO nie publikuje wersji HTML ani tekstowej, więc nie ma niezależnego tekstu referencyjnego: tabela mierzy wyciek marginesu, a nie jakość tekstu.