EpubCCRemovendo cabeçalhos corridos de um relatório de 585 páginas
Atualizado:
Relatórios longos repetem o título do capítulo e o número da página em cada página, e uma conversão linha por linha os coloca no meio das sentenças. No Relatório da Comissão 9/11 de 585 páginas, o mecanismo EpubCC os detecta comparando páginas e os remove.
Original e resultado
Cabeçalhos e números de página em cada página, capítulos e notas de rodapé, 585 páginas.
Baixar fonte PDF Baixar a amostra EPUB
Fonte e licença
- Documento
- The 9/11 Commission Report (GPO)
- Licença
- Public domain (work of the U.S. Government)
- Páginas
- 585
- Características
- texto PDF, livro, capítulos, cabeçalhos repetidos, notas finais, longo, teste 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.
Configurações usadas
- Engine: EpubCC engine, build de 2026-11-03 (o que foi medido no benchmark).
- Páginas: o documento completo.
- Opções: nenhuma. O motor ainda não tem configurações por documento; os mesmos padrões se aplicam a todos os arquivos.
Validação e resultados
EPUBCheck EPUBCheck em nosso EPUB: 0 erros, 0 avisos.
| Motor | Vazamento de margem |
|---|---|
| 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 |
Limitações que observamos
- Não há texto de referência independente para este documento, então apenas vazamento de margem, tempo e memória são medidos.
- A métrica de vazamento de margem é confiável apenas para mecanismos que dividem linhas como pdftotext -layout.