EpubCCText, der sich um ein Bild wickelt: wo die Engine bricht
Aktualisiert:
Wenn ein Absatz um ein schwebendes Bild fließt, behält die EpubCC Engine das Bild, bricht aber den Absatz: die schmalen Zeilen neben dem Bild werden zu separaten einzeiligen Absätzen, und die Bildunterschrift kann innerhalb eines Satzes landen. Bei einem englischen Wikipedia-Artikel erreicht pdf_oxide einen 8-gramm Abruf von 0.800 im Vergleich zu unserem 0.761.
Original und Ergebnis
Bilder, die links oder rechts flotieren, mit Bildunterschriften, und der Fließtext, der sie in einer schmaleren Spalte für einige Zeilen umschließt, bevor er wieder auf volle Breite zurückkehrt.
Quell-PDF herunterladen Laden Sie das Muster EPUB herunter
Warum es passiert
Die Engine findet Spalten, indem sie nach einer vertikalen Lücke sucht, die die volle Höhe eines Bereichs mit mindestens zwei Linien auf jeder Seite hat. Ein schwebendes Bild mit Text daneben sieht genau so aus: eine schmale Textspalte neben einer Spalte, die das Bild und seine Bildunterschrift enthält.
Das Erkennen von Umbrüchen (eine schmale Reihe von Zeilen, die unten im Bild in voller Breite fortgesetzt wird) steht auf der Liste; bis dahin zeigen wir das Ergebnis, wie es ist.
Quelle und Lizenz
- Dokument
- Wikipedia (English): Alice's Adventures in Wonderland
- Lizenz
- CC BY-SA 4.0 (text); images under their own licences
- Seiten
- 24
- Eigenschaften
- Text PDF, eine Spalte, Bilder, Englisch
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.
Verwendete Einstellungen
- Engine: EpubCC Engine bei Commit 3b74b26, das Binärformat, das die Bilder und das Beispiel erzeugt hat (2026-11-04).
- Seiten: das gesamte Dokument für die Abbildungen; Seiten 4–5 für die Bilder und das Beispiel EPUB.
- Benchmark-Zahlen: der veröffentlichte Lauf vom 2026-11-03 (Engine-Commit c953279).
- Optionen: keine. Die Engine hat noch keine dokumentenspezifischen Einstellungen; dieselben Standardwerte gelten für jede Datei.
Validierung und Ergebnisse
EPUBCheck EPUBCheck auf unserem EPUB: 0 Fehler, 0 Warnungen.
EPUBCheck 5.4.0 über das herunterladbare Beispiel: 0 Fehler, 0 Warnungen (überprüft am 2026-11-04).
- Seiten
- 24
- Zeit
- 0.55 s
- Maximaler Speicher
- 48 MB
- Bilder beibehalten
- 20
- Kapitel
- 14, aus den Überschriften des Artikels
- Qualitätswarnungen
- keine
| Motor | 8-Gramm-Rückruf |
|---|---|
| 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 |
Beobachtete Einschränkungen
- Zeilen neben einem schwebenden Bild werden zu einzeiligen Absätzen: der Abstand zwischen dem Bild und dem Text wird als Spaltenumbruch gelesen.
- Das Bild ist dort platziert, wo seine Region beginnt, was mitten in einem Satz sein kann.
- Untertitel können zeilenweise mit dem Fließtext gewechselt werden (in diesem Artikel: «Seite aus dem Manuskript von» zwischen zwei Hälften eines Satzes).
- pdf_oxide extract_text (0.800), OpenDataLoader (0.781) und PDFium (0.774) haben eine höhere 8-Gramm-Rückrufquote als unsere Engine (0.761) in diesem Dokument.