EpubCCEen Japanse PDF naar EPUB converteren
Bijgewerkt:
Japanse tekst heeft geen spaties tussen woorden, dus het samenvoegen van regels en paragrafen vereist andere regels dan Latijnse tekst. Op een Japanse Wikipedia-artikel voegt de EpubCC engine CJK-regels samen zonder spaties in te voegen.
Origineel en resultaat
CJK-tekst zonder spaties tussen woorden, gemengd met Latijnse schrift en cijfers.
Download bron PDF Download het voorbeeld EPUB
Bron en licentie
- Document
- Wikipedia (Japanese): The Tale of Genji
- Licentie
- CC BY-SA 4.0 (text); images under their own licences
- Pagina's
- 67
- Eigenschappen
- tekst PDF, één kolom, Japans, 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.
Gebruikte instellingen
- Engine: EpubCC engine, build van 2026-11-03 (degene die in de benchmark is gemeten).
- Pagina's: het hele document.
- Opties: geen. De engine heeft nog geen instellingen per document; dezelfde standaardinstellingen zijn van toepassing op elk bestand.
Validatie en resultaten
EPUBCheck EPUBCheck op onze EPUB: 0 fouten, 0 waarschuwingen.
| Motor | 8-gram herinnering |
|---|---|
| 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 |
Beperkingen die we hebben waargenomen
- De bron is horizontale tekst; verticale (tategaki) boeken zijn nog niet getest.
- pdf_oxide en pdftotext scoren iets hoger dan onze engine op dit document.