EpubCCMuuntaminen japanilaisesta PDF:sta EPUB:ksi
Päivitetty:
Japanilaisessa tekstissä ei ole välilyöntejä sanojen välillä, joten rivien ja kappaleiden yhdistämiseen tarvitaan erilaisia sääntöjä kuin latinalaisessa tekstissä. Japanilaisen Wikipedia-artikkelin EpubCC-moottori yhdistää CJK-rivit ilman välilyöntejä.
Alkuperäinen ja tulos
CJK-teksti ilman välilyöntejä sanojen välillä, sekoitettuna latinalaisiin kirjaimiin ja numeroihin.
Lataa lähde PDF Lataa näyte EPUB
Lähde ja lisenssi
- Dokumentti
- Wikipedia (Japanese): The Tale of Genji
- Lisenssi
- CC BY-SA 4.0 (text); images under their own licences
- Sivut
- 67
- Ominaisuudet
- teksti PDF, yksi sarake, Japanilainen, 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.
Käytetyt asetukset
- Moottori: EpubCC moottori, kokoelma 2026-11-03 (se, jonka osalta mittaus tehtiin tietyssä benchmarkissa).
- Sivut: koko asiakirja.
- Valinnat: ei mitään. Moottorilla ei vielä ole asiakirjakohtaisia asetuksia; samat oletusasetukset pätevät kaikkiin tiedostoihin.
Validointi ja tulokset
EPUBCheck EPUBCheck meidän EPUB: 0 virheitä, 0 varoituksia.
| Moottori | 8-grammin muistaminen |
|---|---|
| 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 |
Havaittuja rajoituksia
- Lähde on vaakasuora teksti; pystysuoria (tategaki) kirjoja ei ole vielä testattu.
- pdf_oxide ja pdftotext saavat hieman korkeamman tuloksen kuin moottorimme tässä asiakirjassa.