EpubCCEliminar encabezados en ejecución de un informe de 585 páginas
Actualizado:
Informes largos repiten el título del capítulo y el número de página en cada página, y una conversión línea por línea los coloca en medio de oraciones. En el Informe de la Comisión del 9/11 de 585 páginas, el motor EpubCC los detecta comparando páginas y los elimina.
Original y resultado
Encabezados y números de página en cada página, capítulos y notas finales, 585 páginas.
Descargar fuente PDF Descargar la muestra EPUB
Fuente y licencia
- Documento
- The 9/11 Commission Report (GPO)
- Licencia
- Public domain (work of the U.S. Government)
- Páginas
- 585
- Características
- texto PDF, libro, capítulos, encabezados repetidos, notas al final, largo, prueba de carga
The 9/11 Commission Report, National Commission on Terrorist Attacks Upon the United States (2004), U.S. Government Publishing Office. A work of the U.S. Government, in the public domain.
Configuraciones utilizadas
- Motor: EpubCC motor, compilación del 2026-11-03 (el que se midió en el benchmark).
- Páginas: todo el documento.
- 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.
| Motor | Filtración de márgenes |
|---|---|
| EpubCC engine (EPUB output) | 0.000 |
| EpubCC engine (plain text) | 1.000 |
| pdf_oxide · extract_text | 0.995 |
| pdf_oxide · to_plain_text (XY-cut) | 0.995 |
| pdf_oxide · Markdown | 0.005 |
| PDFium · text().all() | 1.000 |
| OpenDataLoader PDF (local mode) | 0.000 |
| pdftotext (Poppler) | 0.000 |
| Calibre · ebook-convert (EPUB output) | 0.404 |
| EpubCC engine (EPUB, same extractor as Calibre) | 0.000 |
Limitaciones que observamos
- No hay un texto de referencia independiente para este documento, por lo que solo se miden la fuga de margen, el tiempo y la memoria.
- La métrica de fuga de márgenes solo es confiable para motores que dividen líneas como pdftotext -layout.