EpubCCKonwersja japońskiego PDF do EPUB
Zaktualizowane:
Tekst japoński nie ma spacji między słowami, więc łączenie linii i akapitów wymaga innych zasad niż tekst łaciński. W artykule na japońskiej Wikipedii silnik EpubCC łączy linie CJK bez wstawiania spacji.
Oryginał i wynik
Tekst CJK bez spacji między wyrazami, mieszany z tekstem łacińskim i cyframi.
Pobierz źródło PDF Pobierz próbkę EPUB
Źródło i licencja
- Dokument
- Wikipedia (Japanese): The Tale of Genji
- Licencja
- CC BY-SA 4.0 (text); images under their own licences
- Strony
- 67
- Cechy
- tekst PDF, jedna kolumna, Japoński, 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.
Ustawienia użyte
- Silnik: EpubCC silnik, wersja 2026-11-03 (ta, która została zmierzona w benchmarku).
- Strony: cały dokument.
- Opcje: brak. Silnik nie ma jeszcze ustawień na poziomie dokumentu; te same domyślne ustawienia mają zastosowanie do każdego pliku.
Walidacja i wyniki
EPUBCheck EPUBCheck w naszym EPUB: 0 błędów, 0 ostrzeżeń.
| Silnik | Przywołanie 8-gramowe |
|---|---|
| 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 |
Ograniczenia, które zaobserwowaliśmy
- Źródło to tekst poziomy; książki pionowe (tategaki) nie były jeszcze testowane.
- pdf_oxide i pdftotext uzyskują nieco wyższy wynik niż nasza maszyna w tym dokumencie.