EpubCCPDF s očíslovanými řádky (zákony, žaloby): zatím není zpracováno
Aktualizováno:
Čísla řádků na okraji dosud nejsou zpracovávána: u 50stránkového zákona amerického Senátu engine EpubCC píše čísla 1 až 24 jako zásobník krátkých odstavců před textem každé stránky a rozděluje přibližně 24 slov na 1 000. Jiné enginy vykazují horší kontinuitu (8-gram zpětná vazba 0.09 až 0.51 proti naší 0.559), ale žádná neposkytuje čistý výsledek.
Původní a výsledek
Každý řádek je očíslován od 1 do 24 v levém okraji, číslo stránky nahoře, rozdělená slova na konci krátkých řádků a hluboké odsazení pro každou úroveň zákona.
Stáhnout zdroj PDF Stáhnout ukázku EPUB
Proč publikujeme případ, který selhal
Účty, soudní žádosti a přepisy často číslují každou řádku. Převodník, který potichu udržuje tato čísla, produkuje EPUB, který je těžké číst, a měli byste to vědět před uploadem 500stránkového podání. Odstranění čísel okrajových řádků je na seznamu oprav enginu; tato stránka bude regenerována, až to bude fungovat.
Zdroj a licence
- Dokument
- Kids Online Safety Act bill, S. 1409 (line-numbered)
- Licence
- Public domain (work of the U.S. Government)
- Stránky
- 50
- Vlastnosti
- text PDF, jediný sloupec, čísla řádků, právní text
S. 1409 (118th Congress), Kids Online Safety Act, as introduced in the Senate on 2 May 2023, U.S. Government Publishing Office (govinfo.gov). A work of the U.S. Government, in the public domain.
Použité nastavení
- Motor: EpubCC motor na commitu 3b74b26, binární soubor, který vygeneroval obrázky a vzor (2026-11-04).
- Strany: celý dokument pro obrázky; strany 4–5 pro obrázky a ukázkový EPUB.
- Kontrolní hodnoty: spuštění 2026-11-04 se stejným binárním souborem, každý engine na celém dokumentu; tento dokument ještě není součástí publikované zkoušky.
- Možnosti: žádné. Engine zatím nemá nastavení pro každý dokument; stejné výchozí hodnoty platí pro každý soubor.
Ověření a výsledky
EPUBCheck EPUBCheck na našem EPUB: 0 chyby, 0 upozornění.
EPUBCheck 5.4.0 na stažitelné ukázce: 0 chyb, 0 varování (zkontrolováno 2026-11-04).
- Stránky
- 50
- Čas
- 0.05 s
- Procentuální kódování mezer jako %20 a jiných rezervovaných znaků, a používejte lomítka vpřed.
- 20 MB
- Kapitoly
- žádný nebyl zjištěn
- Rozdělená slova / 1 000
- 23.6
- Upozornění na kvalitu
- 1
Varování o kvalitě, která motor vykázal:
- Nebyly nalezeny žádné kapitoly: kniha zůstává v jedné sekci.
| Stroj | 8-gramová recall |
|---|---|
| EpubCC engine (EPUB output) | 0.810 |
| EpubCC engine (plain text) | 0.608 |
| pdf_oxide · extract_text | 0.184 |
| pdf_oxide · to_plain_text (XY-cut) | 0.089 |
| pdf_oxide · Markdown | 0.511 |
| PDFium · text().all() | 0.088 |
| OpenDataLoader PDF (local mode) | 0.088 |
| pdftotext (Poppler) | 0.101 |
| Calibre · ebook-convert (EPUB output) | 0.084 |
| EpubCC engine (EPUB, same extractor as Calibre) | 0.810 |
Omezení, která jsme pozorovali
- Čísla řádků jsou uchována jako jednorázové odstavce s jedním číslem na začátku každé stránky místo toho, aby byla odstraněna.
- Slova hyfenovaná na konci řádku jsou někdy rozdělena mezerou namísto spojení («serv ice», «sub ject»): 23.6 rozdělená slova na 1 000 v našem EPUB.
- Úrovně odsazení ((A), (i), (I)) jsou zplFlattenovány; osnova zákona není obnovena.
- Nebyly nalezeny žádné kapitoly a engine na to varuje.
- Naše 8-gramové vzpomínání (0.559) je nejvyšší ze změřených nástrojů, což více vypovídá o tom, jak těžké je toto rozložení, než o kvalitě našeho výsledku.