EpubCCKonvertierung eines japanischen PDF zu EPUB
Aktualisiert:
Japanischer Text hat keine Leerzeichen zwischen Wörtern, daher benötigen das Verbinden von Zeilen und Absätzen andere Regeln als lateinischer Text. In einem japanischen Wikipedia-Artikel verbindet die EpubCC-Engine CJK-Zeilen, ohne Leerzeichen einzufügen.
Original und Ergebnis
CJK-Text ohne Leerzeichen zwischen den Wörtern, gemischt mit lateinischer Schrift und Zahlen.
Quell-PDF herunterladen Laden Sie das Muster EPUB herunter
Quelle und Lizenz
- Dokument
- Wikipedia (Japanese): The Tale of Genji
- Lizenz
- CC BY-SA 4.0 (text); images under their own licences
- Seiten
- 67
- Eigenschaften
- Text PDF, eine Spalte, Japanisch, CJK
Wikipedia contributors, “源氏物語” (The Tale of Genji), Japanese Wikipedia, text licensed CC BY-SA 4.0; images under their own licences.
Verwendete Einstellungen
- Engine: EpubCC Engine, Build vom 2026-11-03 (die, die im Benchmark gemessen wurde).
- Seiten: das gesamte Dokument.
- Optionen: keine. Die Engine hat noch keine dokumentenspezifischen Einstellungen; dieselben Standardwerte gelten für jede Datei.
Validierung und Ergebnisse
EPUBCheck EPUBCheck auf unserem EPUB: 0 Fehler, 0 Warnungen.
| Motor | 8-Gramm-Rückruf |
|---|---|
| EpubCC engine (EPUB output) | 0.964 |
| EpubCC engine (plain text) | 0.963 |
| pdf_oxide · extract_text | 0.970 |
| pdf_oxide · to_plain_text (XY-cut) | 0.970 |
| pdf_oxide · Markdown | 0.797 |
| PDFium · text().all() | 0.952 |
| OpenDataLoader PDF (local mode) | 0.942 |
| pdftotext (Poppler) | 0.965 |
| Calibre · ebook-convert (EPUB output) | 0.939 |
| EpubCC engine (EPUB, same extractor as Calibre) | 0.964 |
Beobachtete Einschränkungen
- Die Quelle ist horizontaler Text; vertikale (tategaki) Bücher wurden noch nicht getestet.
- pdf_oxide und pdftotext schneiden in diesem Dokument leicht besser ab als unsere Engine.