EpubCCTekst som omslutter et billede: hvor motoren bryder
Opdateret:
Når et afsnit flyder omkring et flydende billede, bevarer EpubCC motoren billedet, men bryder afsnittet: de smalle linjer ved siden af billedet bliver separate en-linje afsnit, og billedteksten kan lande inde i en sætning. I en engelsk Wikipedia-artikel når pdf_oxide en 8-gram genkaldelse af 0.800 mod vores 0.761.
Original og resultat
Billeder, der flyder til venstre eller højre med billedtekster, og brødtekst, der omslutter dem i en smalere kolonne i et par linjer og derefter vender tilbage til fuld bredde.
Download kilde PDF Download prøve EPUB
Hvorfor det sker
Motoren finder kolonner ved at lede efter en vertikal mellemrum, der strækker sig over hele højden af et område med mindst to linjer på hver side. Et flydende billede med tekst ved siden af ser nøjagtigt sådan ud: en smal tekstkolonne ved siden af en kolonne, der holder billedet og dets billedtekst.
Genkendelse af wrap-around (en smal linje af tekst, der fortsætter i fuld bredde under billedet) er på listen; indtil da viser vi resultatet, som det er.
Kilde og licens
- Dokument
- Wikipedia (English): Alice's Adventures in Wonderland
- Licens
- CC BY-SA 4.0 (text); images under their own licences
- Sider
- 24
- Egenskaber
- tekst PDF, én kolonne, billeder, Engelsk
Wikipedia contributors, “Alice's Adventures in Wonderland”, English Wikipedia, PDF from the Wikimedia REST API; text licensed CC BY-SA 4.0, images under their own licences (the Tenniel illustrations are in the public domain). The EPUB is our conversion, under the same licence.
Brugte indstillinger
- Motor: EpubCC motor ved commit 3b74b26, den binære der genererede billederne og prøven (2026-11-04).
- Sider: hele dokumentet for figurerne; siderne 4-5 for billederne og prøven EPUB.
- Benchmark tal: den offentliggjorte kørsel fra 2026-11-03 (engine commit c953279).
- Muligheder: ingen. Motoren har endnu ingen per-dokument indstillinger; de samme standardindstillinger gælder for hver fil.
Validering og resultater
EPUBCheck EPUBCheck på vores EPUB: 0 fejl, 0 advarsler.
EPUBCheck 5.4.0 på det downloadable prøver: 0 fejl, 0 advarsler (kontrolleret 2026-11-04).
- Sider
- 24
- Tid
- 0.55 s
- Maksimal hukommelse
- 48 MB
- Billeder beholdt
- 20
- Kapitler
- 14, fra artikeloverskrifterne
- Kvalitetsadvarsler
- ingen
| Motor | 8-gram tilbagekaldelse |
|---|---|
| EpubCC engine (EPUB output) | 0.778 |
| EpubCC engine (plain text) | 0.771 |
| pdf_oxide · extract_text | 0.800 |
| pdf_oxide · to_plain_text (XY-cut) | 0.800 |
| pdf_oxide · Markdown | 0.672 |
| PDFium · text().all() | 0.774 |
| OpenDataLoader PDF (local mode) | 0.781 |
| pdftotext (Poppler) | 0.769 |
| Calibre · ebook-convert (EPUB output) | 0.763 |
| EpubCC engine (EPUB, same extractor as Calibre) | 0.778 |
Begrænsninger vi har observeret
- Linjer ved siden af et flydende billede bliver til enlinjeafsnit: afstanden mellem billedet og teksten læses som et kolonnebrud.
- Billedet er placeret, hvor dets område starter, som kan være midt i en sætning.
- Undertekster kan væves ind i brødteksten linje for linje (i denne artikel: «Side fra manuskriptet af» mellem to dele af en sætning).
- pdf_oxide extract_text (0.800), OpenDataLoader (0.781) og PDFium (0.774) har en højere 8-gram tilbagekaldelse end vores motor (0.761) på dette dokument.