EpubCCConvertendo um relatório governamental com notas de rodapé para EPUB
Atualizado:
Relatórios governamentais colocam notas de rodapé no final de quase cada página e repetem o número do relatório em cada rodapé. Em um relatório da GAO de 58 páginas, o motor EpubCC encontrou 50 notas de rodapé, vinculou 47 a suas chamadas e removeu os rodapés, sem texto de margem restante no EPUB.
Original e resultado
Rodapés na maioria das páginas, um rodapé permanente com número da página e número do relatório, uma cabeçalho, figuras e tabelas, e apêndices com cartas de comentários de agências.
Baixar fonte PDF Baixar a amostra EPUB
Como as notas de rodapé são encontradas
Um bloco é uma nota de rodapé quando é menor que o texto do corpo, fica na metade inferior da página abaixo do texto do corpo e começa com um marcador. Sobrescritos no corpo com o mesmo rótulo tornam-se links para a nota, e a nota vincula de volta.
No EPUB, as notas são colocadas no final de seu capítulo como notas de rodapé EPUB, então aplicativos de leitura que as suportam abrem a nota em um pop-up.
O que a amostra mostra
Páginas 6 e 7: a carta ao Congresso com notas de rodapé de 1 a 3. O parágrafo que cruza a quebra de página é unido, o rodapé «Página 1 · GAO-24-106219 Contratação Federal» sumiu, e os chamados são links.
Fonte e licença
- Documento
- GAO report 24-106219
- Licença
- Public domain (U.S. Government work; GAO notes it may contain third-party copyrighted material)
- Páginas
- 58
- Características
- texto PDF, uma coluna, notas de rodapé, cabeçalhos repetidos, figuras, tabelas, relatório
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.
Configurações usadas
- Engine: EpubCC engine no commit 3b74b26, o binário que gerou as imagens e o exemplo (2026-11-04).
- Páginas: o documento completo para as figuras; páginas 6–7 para as imagens e a amostra EPUB.
- Figuras de referência: uma execução de 2026-11-04 com o mesmo binário, cada mecanismo em todo o documento; este documento ainda não faz parte do benchmark publicado.
- Opções: nenhuma. O motor ainda não tem configurações por documento; os mesmos padrões se aplicam a todos os arquivos.
Validação e resultados
EPUBCheck EPUBCheck em nosso EPUB: 0 erros, 0 avisos.
EPUBCheck 5.4.0 na amostra disponível para download: 0 erros, 0 avisos (verificado em 2026-11-04).
- Páginas
- 58
- Tempo
- 0.73 s
- Memória máxima
- 147 MB
- Rodapés encontrados
- 50
- Chamadas de rodapé vinculadas
- 47
- Cabeçalhos e rodapés removidos
- 69
- Capítulos
- 8, do esboço da PDF
- Imagens mantidas
- 18
- Advertências de qualidade
- nenhum
| Motor | Vazamento de margem |
|---|---|
| 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 |
Limitações que observamos
- 3 das 50 notas de rodapé não estavam ligadas a uma chamada: permanecem como notas no final do capítulo sem um link de volta.
- Um hífen que é parte de uma palavra é eliminado quando cai no final de uma linha antes de uma letra maiúscula: «E-» + «Verify» tornou-se «EVerify» (visível no exemplo), «indefinite-» + «delivery» tornou-se «indefinitedelivery».
- Células de tabela e rótulos de figura são escritos como texto na ordem de leitura, não reconstruídos como tabelas.
- O bloco de endereço do cabeçalho se torna parágrafos curtos normais.
- A GAO não publica versão em HTML ou texto, então não há texto de referência independente: a tabela mede vazamentos de margem, não a qualidade do texto.