EpubCCConversia unui raport guvernamental cu note de subsol la EPUB
Actualizat:
Raportele guvernamentale pun notele de subsol în partea de jos a aproape fiecărei pagini și repetă numărul raportului în fiecare subsol. Într-un raport GAO de 58 de pagini, motorul EpubCC a găsit 50 de note de subsol, a legat 47 de ele la apelurile lor și a eliminat subsolurile, fără text de margine rămas în EPUB.
Original și rezultat
Note de subsol pe cele mai multe pagini, un footer curent cu numărul paginii și numărul raportului, un antet, figuri și tabele, și anexe cu scrisori de comentarii de la agenție.
Descarcă sursa PDF Descarcă eșantionul EPUB
Cum sunt găsite notele de subsol
Un bloc este o notă de subsol când este mai mic decât textul principal, se află în partea inferioară a paginii sub textul principal și începe cu un marcator. Superscripturile din text cu aceeași etichetă devin linkuri către notă, iar nota face legătura înapoi.
În EPUB, notele sunt plasate la sfârșitul capitolului lor ca EPUB note de subsol, astfel încât aplicațiile de lectură care le suportă deschid nota într-o fereastră pop-up.
Ce arată exemplul?
Pagini 6 și 7: scrisoarea către Congres cu note de subsol 1 până la 3. Paragraful care trece peste întreruperea paginii este unit, subsolul «Pagina 1 · GAO-24-106219 Contractare Federală» a dispărut, iar apelurile sunt linkuri.
Sursă și licență
- Document
- GAO report 24-106219
- Licență
- Public domain (U.S. Government work; GAO notes it may contain third-party copyrighted material)
- Pagini
- 58
- Trăsături
- text PDF, o coloană, note de subsol, antete repetate, figuri, 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.
Setări utilizate
- Motor: EpubCC motor la commit 3b74b26, binary-ul care a generat imaginile și exemplul (2026-11-04).
- Pagini: întregul document pentru figuri; paginile 6–7 pentru imagini și exemplarul EPUB.
- Figuri de benchmarking: o rulare din 2026-11-04 cu același binar, fiecare motor pe întreg documentul; acest document nu face încă parte din benchmark-ul publicat.
- Opțiuni: niciuna. Motorul nu are încă setări per document; aceleași valori implicite se aplică fiecărui fișier.
Validare și rezultate
EPUBCheck EPUBCheck pe EPUB: 0 erori, 0 avertizări.
EPUBCheck 5.4.0 pe mostra descărcabilă: 0 erori, 0 avertizări (verificată pe 2026-11-04).
- Pagini
- 58
- Timp
- 0.73 s
- Memorie maximă
- 147 MB
- Note de subsol găsite
- 50
- Apeluri de notă de subsol legate
- 47
- Antetele și notele de subsol eliminate
- 69
- Capitole
- 8, din schița PDF
- Imagini păstrate
- 18
- Alerte de calitate
- niciunul
| Motor | Scurgere de margine |
|---|---|
| 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 |
Limitări observate
- 3 din cele 50 de note de subsol nu au fost legate de o apelare: ele rămân ca note la sfârșitul capitolului fără un link înapoi.
- O cratima care face parte dintr-un cuvânt este pierdută când se află la sfârșitul unei linii înainte de o literă mare: „E-” + „Verify” devine „EVerify” (vizibil în exemplu), „indefinite-” + „delivery” devine „indefinitedelivery”.
- Celle de tabel și etichetele figurilor sunt scrise ca text în ordinea citirii, nu reconstruite ca tabele.
- Blocatul de adrese al antetului devine paragrafe obişnuite scurte.
- GAO nu publică nicio versiune HTML sau text, așa că nu există un text de referință independent: tabelul măsoară scurgerile de margine, nu calitatea textului.