EpubCCRadnumrerade PDF:er (projektlagar, framställningar): hanteras ännu inte
Uppdaterad:
Radnummer i marginalen hanteras ännu inte: på en 50-sidig amerikansk senatslag skriver EpubCC motorn numren 1 till 24 som en hög av korta stycken före varje sidas text och delar upp cirka 24 ord per 1 000. Andra motorer gör sämre ifrån sig med kontinuitet (8-gram återkallande 0.09 till 0.51 mot vår 0.559), men ingen ger ett rent resultat.
Original och resultat
Varje rad numreras från 1 till 24 i vänstra marginalen, ett sidnummer högst upp, avbrutna ord i slutet av korta rader, och djup indragning för varje nivå av lagen.
Ladda ner källan PDF Ladda ner provet EPUB
Varför publicerar vi ett fall som misslyckas
Räkningar, domstolshandlingar och protokoll numrerar ofta varje rad. En konverterare som tyst behåller dessa nummer producerar en EPUB som är svår att läsa, och du bör veta det innan du laddar upp en 500-sidig inlämning. Att ta bort marginalnummer är på listan över motorfixar; denna sida kommer att regenereras när det fungerar.
Källa och licens
- Dokument
- Kids Online Safety Act bill, S. 1409 (line-numbered)
- Licens
- Public domain (work of the U.S. Government)
- Sidor
- 50
- Egenskaper
- text PDF, en kolumn, radnummer, juridisk 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.
Använda inställningar
- Motor: EpubCC motor vid commit 3b74b26, den binära som genererade bilderna och provet (2026-11-04).
- Sidor: hela dokumentet för figurerna; sidor 3–4 för bilderna och exemplet EPUB.
- Benchmark siffror: en körning av 2026-11-04 med samma binär, varje motor på hela dokumentet; detta dokument är ännu inte en del av den publicerade benchmarken.
- Alternativ: inga. Motorn har inga per-dokument-inställningar ännu; samma standardinställningar gäller för varje fil.
Validering och resultat
EPUBCheck EPUBCheck på vår EPUB: 0 fel, 0 varningar.
EPUBCheck 5.4.0 på den nedladdningsbara provet: 0 fel, 0 varningar (kontrollerat 2026-11-04).
- Sidor
- 50
- Tid
- 0.05 s
- Maxminne
- 20 MB
- Kapitel
- ingen upptäckt
- Dela upp ord / 1 000
- 23.6
- Kvalitetsvarningar
- 1
Kvalitetsvarningar som motorn visade:
- Inga kapitel detekterades: boken förblir i ett enda avsnitt.
| Motor | 8-gram återkallande |
|---|---|
| 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 |
Begränsningar vi observerat
- Radnumren behålls som en serie av enkelnummers stycken i början av varje sida istället för att tas bort.
- Ord som har bindestreck i slutet av en rad delas ibland med ett mellanrum istället för att gå samman («serv ice», «sub ject»): 23.6 delade ord per 1 000 i vår EPUB.
- Indenteringsnivåer ((A), (i), (I)) plattas ut; strukturen av lagen återuppbyggs inte.
- Inga kapitel har detekterats, och motorn varnar om detta.
- Vår 8-grams återkallning (0.559) är den högsta av de mätna motorerna, vilket säger mer om hur svårt detta layout är än om kvaliteten på vårt resultat.