EpubCCΜετατροπή ενός Ισπανικού PDF σε EPUB
Ενημερωμένο:
Το ισπανικό κείμενο μετατρέπεται καθαρά όταν το PDF έχει πραγματικό Unicode κείμενο: τα τονισμένα, ñ, τα εισαγωγικά «» και οι ανάποδοι χαρακτήρες ¿? παραμένουν αμετάβλητα και το EPUB επισημαίνεται ως ισπανικό. Σε ένα άρθρο 50 σελίδων της ισπανικής Wikipedia, η ανάκληση 8-γραμμάτων μας είναι 0.941, κάτω από το pdf_oxide's 0.963.
Πρωτότυπη και αποτέλεσμα
Τονισμένα γράμματα, ñ, «» και “” αποσπάσματα, ανάποδες ερωτηματικές και θαυμαστικές, διαλογικές παύλες και κλήσεις αναφοράς ανωτέρας, τοποθετημένα σε δικτυωμένο κείμενο.
Κατεβάστε την πηγή PDF Κατεβάστε το δείγμα EPUB
Τι κάνει ο κινητήρας με το ισπανικό κείμενο;
Η μηχανή διαβάζει τους χαρακτήρες που αποθηκεύει το PDF και τους κρατά όπως είναι: á, é, í, ó, ú, ü, ñ, «», ¿ και ¡ δεν χρειάζονται ειδική διαχείριση όταν το PDF έχει έναν χάρτη Unicode. Οι συνδέσεις (fi, fl) κανονικοποιούνται σε απλά γράμματα μόνο μέσα στα μπλοκ όπου εμφανίζονται.
Η γλώσσα του βιβλίου ανιχνεύεται από την γραφή και κοινές λέξεις (de, la, que, el…) και γράφεται στο EPUB ως es, έτσι οι εφαρμογές ανάγνωσης επιλέγουν την αναγνώριση λέξεων και λεξικά στα ισπανικά.
Τι δείχνει το δείγμα;
Σελίδες 8 και 9 του άρθρου: απλές παράγραφοι με «» και “” αποσπάσματα, ονόματα με τονισμένα γράμματα και δύο αναφορές. Η παράγραφος που εκτείνεται από τη σελίδα 8 στη σελίδα 9 είναι ενωμένη σε μία.
Πηγή και άδεια
- Έγγραφο
- Wikipedia (Spanish): Don Quijote de la Mancha
- Άδεια
- CC BY-SA 4.0 (text); images under their own licences
- Σελίδες
- 50
- Χαρακτηριστικά
- κείμενο PDF, μία στήλη, εικόνες, Ισπανικά
Wikipedia contributors, “Don Quijote de la Mancha”, Spanish Wikipedia, PDF from the Wikimedia REST API; text licensed CC BY-SA 4.0, images under their own licences. Pages shown unmodified; the EPUB is our conversion, under the same licence.
Ρυθμίσεις που χρησιμοποιούνται
- Μηχανή: EpubCC μηχανή στην αναθεώρηση 3b74b26, το δυαδικό αρχείο που δημιούργησε τις εικόνες και το δείγμα (2026-11-04).
- Σελίδες: το ολόκληρο έγγραφο για τις εικόνες; σελίδες 8–9 για τις εικόνες και το δείγμα EPUB.
- Στοιχεία benchmark: η δημοσιευμένη εκτέλεση της 2026-11-03 (δεσμευτικός κωδικός c953279).
- Επιλογές: καμία. Η μηχανή δεν έχει ακόμα ρυθμίσεις ανά έγγραφο; οι ίδιες προεπιλογές ισχύουν για κάθε αρχείο.
Επικύρωση και αποτελέσματα
EPUBCheck EPUBCheck στην EPUB μας: 0 σφάλματα, 0 προειδοποιήσεις.
EPUBCheck 5.4.0 στο διαθέσιμο δείγμα: 0 σφάλματα, 0 προειδοποιήσεις (ελεγχμένο 2026-11-04).
- Σελίδες
- 50
- Χρόνος
- 1.4 s
- Μέγιστη μνήμη
- 66 MB
- Γλώσσα ανιχνευμένη
- ισπανικά
- Κεφάλαια
- 13, από τις επικεφαλίδες του άρθρου
- Οι εικόνες διατηρήθηκαν
- 46
- Προειδοποιήσεις ποιότητας
- κανένα
| Μηχανή | 8-γραμμα ανάκληση |
|---|---|
| EpubCC engine (EPUB output) | 0.956 |
| EpubCC engine (plain text) | 0.942 |
| pdf_oxide · extract_text | 0.963 |
| pdf_oxide · to_plain_text (XY-cut) | 0.963 |
| pdf_oxide · Markdown | 0.857 |
| PDFium · text().all() | 0.945 |
| OpenDataLoader PDF (local mode) | 0.954 |
| pdftotext (Poppler) | 0.944 |
| Calibre · ebook-convert (EPUB output) | 0.938 |
| EpubCC engine (EPUB, same extractor as Calibre) | 0.956 |
Περιορισμοί που παρατηρήσαμε
- pdf_oxide extract_text (0.963) και OpenDataLoader (0.954) έχουν υψηλότερη ανακλησιμότητα 8-γραμματικών από τη μηχανή μας (0.941) σε αυτό το έγγραφο.
- Στο δείγμα, μια γραμμή με ανυψωμένο «[cita requerida]» χωρίστηκε σε τρία: «VI duque», έπειτα «y», έπειτα «de Béjar grande de España». Οι λέξεις είναι όλες εκεί, αλλά εκτός σειράς.
- Οι εικόνες που πλέουν δίπλα στο κείμενο διασπούν την παράγραφο που διακόπτουν (βλ. την περίπτωση κειμένου που τυλίγεται γύρω από εικόνες); οι σελίδες που εμφανίζονται εδώ δεν έχουν καμία.
- Οι αναφορές της Wikipedia παραλείπουν πίνακες και infoboxes, έτσι η ακρίβεια είναι χαμηλή για κάθε μηχανή.