EpubCCConversion d'un PDF japonais en EPUB
Mis à jour :
Le texte japonais n’a pas d'espaces entre les mots, donc la jonction des lignes et des paragraphes nécessite des règles différentes de celles du texte latin. Dans un article de Wikipédia en japonais, le moteur EpubCC relie les lignes CJK sans insérer d'espaces.
Original et résultat
Texte CJK sans espaces entre les mots, mélangé avec des caractères latins et des chiffres.
Télécharger la source PDF Télécharger l'échantillon EPUB
Source et licence
- Document
- Wikipedia (Japanese): The Tale of Genji
- Licence
- CC BY-SA 4.0 (text); images under their own licences
- Pages
- 67
- Caractéristiques
- texte PDF, une colonne, Japonais, 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.
Paramètres utilisés
- Moteur : EpubCC moteur, version du 2026-11-03 (celui mesuré dans le benchmark).
- Pages : le document entier.
- Options : aucune. Le moteur n'a pas encore de paramètres par document ; les mêmes valeurs par défaut s'appliquent à chaque fichier.
Validation et résultats
EPUBCheck EPUBCheck sur notre EPUB : 0 erreurs, 0 avertissements.
| Moteur | rappel 8-gram |
|---|---|
| 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 |
Limitations observées
- La source est du texte horizontal ; les livres verticaux (tategaki) n'ont pas encore été testés.
- pdf_oxide et pdftotext obtiennent légèrement un score plus élevé que notre moteur sur ce document.