EpubCCKonwersja hiszpańskiego PDF do EPUB
Zaktualizowane:
Tekst w języku hiszpańskim konwertuje się bez problemów, gdy PDF ma rzeczywisty tekst Unicode: akcenty, ñ, «» cudzysłowy i odwrócone znaki ¿? przechodzą przez system niezmienione, a EPUB jest oznaczone jako hiszpański. W 50-stronicowym artykule na hiszpańskiej Wikipedii nasza 8-gramowa pamięć wynosi 0.941, poniżej pdf_oxide's 0.963.
Oryginał i wynik
Akcentowane litery, ñ, «» i “” cudzysłowy, odwrócone znaki zapytania i wykrzyknienia, myślniki dialogowe i przypisy górne, umieszczone w justowanym tekście.
Pobierz źródło PDF Pobierz próbkę EPUB
Co silnik robi z tekstem w języku hiszpańskim
Silnik odczytuje znaki, które PDF przechowuje i zachowuje je takie, jakie są: á, é, í, ó, ú, ü, ñ, «», ¿ i ¡ nie wymagają specjalnego traktowania, gdy PDF ma mapę Unicode. Ligatury (fi, fl) są normalizowane do zwykłych liter tylko w blokach, w których się pojawiają.
Język książki jest wykrywany z pisma i wspólnych słów (de, la, que, el…) i zapisywany jako EPUB jako es, więc aplikacje czytelnicze używają hiszpańskiego podziału wyrazów i słowników.
Co pokazuje próbka
Strony 8 i 9 artykułu: proste akapity z «» i “” cytatami, nazwiskami z akcentami i dwoma odwołaniami. Akapit, który przebiega z strony 8 na stronę 9, jest połączony w jeden.
Źródło i licencja
- Dokument
- Wikipedia (Spanish): Don Quijote de la Mancha
- Licencja
- CC BY-SA 4.0 (text); images under their own licences
- Strony
- 50
- Cechy
- tekst PDF, jedna kolumna, obrazy, Hiszpański
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.
Ustawienia użyte
- Silnik: EpubCC silnik w wersji 3b74b26, binarny, który wygenerował obrazy i próbkę (2026-11-04).
- Strony: cały dokument dla figur; strony 8–9 dla obrazów i próbki EPUB.
- Wyniki benchmarków: opublikowane uruchomienie z dnia 2026-11-03 (zobowiązanie silnika c953279).
- Opcje: brak. Silnik nie ma jeszcze ustawień na poziomie dokumentu; te same domyślne ustawienia mają zastosowanie do każdego pliku.
Walidacja i wyniki
EPUBCheck EPUBCheck w naszym EPUB: 0 błędów, 0 ostrzeżeń.
EPUBCheck 5.4.0 w próbce do pobrania: 0 błędów, 0 ostrzeżeń (sprawdzone 2026-11-04).
- Strony
- 50
- Czas
- 1.4 s
- Szczyt pamięci
- 66 MB
- Wykryty język
- es
- Rozdziały
- 13, z nagłówków artykułu
- Obrazy zachowane
- 46
- Ostrzeżenia o jakości
- brak
| Silnik | Przywołanie 8-gramowe |
|---|---|
| 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 |
Ograniczenia, które zaobserwowaliśmy
- pdf_oxide extract_text (0.963) i OpenDataLoader (0.954) mają wyższą pamięć 8-gramową niż nasza maszyna (0.941) w tym dokumencie.
- W próbce linia z indeksem «[cita requerida]» została podzielona na trzy: «VI duque», potem «y», potem «de Béjar grande de España». Wszystkie słowa są tam, ale w złej kolejności.
- Obrazy, które pływają obok tekstu, przerywają akapit, który przerywają (zobacz przypadek tekstu owiniętego wokół obrazów); strony pokazane tutaj nie mają takich.
- Odwołania do Wikipedii pomijają tabele i infoboksy, więc precyzja jest niska dla każdej wyszukiwarki.