EpubCCPDFs con numeración de línea (proyectos de ley, alegaciones): aún no manejados.
Actualizado:
Los números de línea en el margen aún no se manejan: en un proyecto de ley del Senado de EE. UU. de 50 páginas, el motor EpubCC escribe los números del 1 al 24 como una pila de párrafos cortos antes del texto de cada página y divide aproximadamente 24 palabras por 1,000. Otros motores lo hacen peor en continuidad (recuerdo de 8-gramas 0.09 a 0.51 contra nuestro 0.559), pero ninguno ofrece un resultado limpio.
Original y resultado
Cada línea numerada del 1 al 24 en el margen izquierdo, un número de página en la parte superior, palabras divididas al final de líneas cortas, y una sangría profunda para cada nivel del documento.
Descargar fuente PDF Descargar la muestra EPUB
Por qué publicamos un caso que falla
Las facturas, alegaciones judiciales y transcripciones a menudo numeran cada línea. Un conversor que silenciosamente mantiene esos números produce un EPUB que es difícil de leer, y debes saberlo antes de subir un archivo de 500 páginas. Eliminar el número de línea marginal está en la lista de soluciones del motor; esta página se regenerará cuando funcione.
Fuente y licencia
- Documento
- Kids Online Safety Act bill, S. 1409 (line-numbered)
- Licencia
- Public domain (work of the U.S. Government)
- Páginas
- 50
- Características
- texto PDF, una columna, números de línea, texto legal
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.
Configuraciones utilizadas
- Motor: EpubCC motor en commit 3b74b26, el binario que generó las imágenes y la muestra (2026-11-04).
- Páginas: todo el documento para las figuras; páginas 3–4 para las imágenes y la muestra EPUB.
- Cifras de referencia: una ejecución del 2026-11-04 con el mismo binario, cada motor sobre todo el documento; este documento aún no forma parte de la referencia publicada.
- Opciones: ninguna. El motor no tiene configuraciones por documento aún; los mismos valores predeterminados se aplican a cada archivo.
Validación y resultados
EPUBCheck EPUBCheck en nuestro EPUB: 0 errores, 0 advertencias.
EPUBCheck 5.4.0 en la muestra descargable: 0 errores, 0 advertencias (verificado el 2026-11-04).
- Páginas
- 50
- Tiempo
- 0.05 s
- Memoria máxima
- 20 MB
- Capítulos
- ninguno detectado
- Dividir palabras / 1,000
- 23.6
- Advertencias de calidad
- 1
Advertencias de calidad que mostró el motor:
- No se detectaron capítulos: el libro permanece en una sola sección.
| Motor | recuperación de 8-gramas |
|---|---|
| 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 |
Limitaciones que observamos
- Los números de línea se mantienen como un conjunto de párrafos de un número al inicio de cada página en lugar de ser eliminados.
- Las palabras guionadas al final de una línea a veces se dividen con un espacio en lugar de unirse («serv ice», «sub ject»): 23.6 dividió palabras por cada 1,000 en nuestro EPUB.
- Los niveles de sangría ((A), (i), (I)) se aplanan; el esquema de la ley no se reconstruye.
- No se detectan capítulos y el motor advierte sobre ello.
- Nuestro recuerdo de 8-gramas (0.559) es el más alto de los motores medidos, lo que dice más sobre lo difícil que es este formato que sobre la calidad de nuestro resultado.