EpubCCΚείμενο που περιτυλίγει γύρω από μια εικόνα: όπου σπάει ο κινητήρας
Ενημερωμένο:
Όταν μια παράγραφος ρέει γύρω από μια πλωτή εικόνα, ο κινητήρας EpubCC διατηρεί την εικόνα αλλά σπάει την παράγραφο: οι στενές γραμμές δίπλα στην εικόνα γίνονται ξεχωριστές παραγράφους μίας γραμμής, και η λεζάντα μπορεί να μπει μέσα σε μια πρόταση. Σε ένα άρθρο της αγγλικής Wikipedia, το pdf_oxide φθάνει σε ανάκληση 8-γραμμάτων του 0.800 σε σχέση με το 0.761 μας.
Πρωτότυπη και αποτέλεσμα
Οι εικόνες πλέουν αριστερά ή δεξιά με λεζάντες, και το κυρίως κείμενο τυλίγεται γύρω τους σε στενότερη στήλη για μερικές γραμμές, πριν επιστρέψει σε πλήρες πλάτος.
Κατεβάστε την πηγή PDF Κατεβάστε το δείγμα EPUB
Γιατί συμβαίνει αυτό
Η μηχανή βρίσκει στήλες εξετάζοντας ένα κατακόρυφο κενό που εκτείνεται σε όλο το ύψος μιας περιοχής με τουλάχιστον δύο γραμμές σε κάθε πλευρά. Μια αιωρούμενη εικόνα με κείμενο δίπλα της φαίνεται ακριβώς έτσι: μια στενή στήλη κειμένου δίπλα σε μια στήλη που κρατά την εικόνα και την λεζάντα της.
Η αναγνώριση της περιτύλιξης (μια στενή διαδρομή γραμμών που συνεχίζεται σε πλήρη πλάτος κάτω από την εικόνα) είναι στη λίστα. Μέχρι τότε θα δείξουμε το αποτέλεσμα όπως είναι.
Πηγή και άδεια
- Έγγραφο
- Wikipedia (English): Alice's Adventures in Wonderland
- Άδεια
- CC BY-SA 4.0 (text); images under their own licences
- Σελίδες
- 24
- Χαρακτηριστικά
- κείμενο PDF, μία στήλη, εικόνες, Αγγλικά
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.
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 4–5 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
- 24
- Χρόνος
- 0.55 s
- Μέγιστη μνήμη
- 48 MB
- Οι εικόνες διατηρήθηκαν
- 20
- Κεφάλαια
- 14, από τις επικεφαλίδες του άρθρου
- Προειδοποιήσεις ποιότητας
- κανένα
| Μηχανή | 8-γραμμα ανάκληση |
|---|---|
| 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 |
Περιορισμοί που παρατηρήσαμε
- Οι γραμμές δίπλα σε μια πλωτή εικόνα γίνονται παραγράφοι μιας γραμμής: η απόσταση μεταξύ της εικόνας και του κειμένου διαβάζεται ως διακοπή στη στήλη.
- Η εικόνα τοποθετείται εκεί όπου ξεκινά η περιοχή της, που μπορεί να είναι στη μέση μιας πρότασης.
- Οι λεζάντες μπορούν να είναι παρεμβαλλόμενες με το κείμενο γραμμής προς γραμμή (σε αυτό το άρθρο: «Σελίδα από το χειρόγραφο του» ανάμεσα σε δύο μισά μιας πρότασης).
- pdf_oxide extract_text (0.800), OpenDataLoader (0.781) και PDFium (0.774) έχουν υψηλότερη ανακλησιμότητα 8-γραμματικών από τη μηχανή μας (0.761) σε αυτό το έγγραφο.