EpubCCEliminarea antetelor în execuție dintr-un raport de 585 de pagini
Actualizat:
Rapoartele lungi repetă titlul capitolului și numărul paginii pe fiecare pagină, iar o conversie linie cu linie le introduce în mijlocul propozițiilor. În raportul Comisiei 9/11 de 585 de pagini, motorul EpubCC le detectează comparând paginile și le elimină.
Original și rezultat
Antetele și numerele de pagină pe fiecare pagină, capitole și note de final, 585 pagini.
Descarcă sursa PDF Descarcă eșantionul EPUB
Sursă și licență
- Document
- The 9/11 Commission Report (GPO)
- Licență
- Public domain (work of the U.S. Government)
- Pagini
- 585
- Trăsături
- text PDF, carte, capitole, antete repetate, note de subsol, lung, test de încărcare
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.
Setări utilizate
- Motor: EpubCC motor, build din 2026-11-03 (cel măsurat în benchmark).
- Pagini: întregul document.
- Opțiuni: niciuna. Motorul nu are încă setări per document; aceleași valori implicite se aplică fiecărui fișier.
Validare și rezultate
EPUBCheck EPUBCheck pe EPUB: 0 erori, 0 avertizări.
| Motor | Scurgere de margine |
|---|---|
| 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 |
Limitări observate
- Nu există text de referință independent pentru acest document, deci doar scurgerile de margine, timpul și memoria sunt măsurate.
- Metrica de scurgere a marginilor este fiabilă doar pentru motoare care împart linii, cum ar fi pdftotext -layout.