EpubCCTexto que rodea una imagen: donde el motor se rompe
Actualizado:
Cuando un párrafo fluye alrededor de una imagen flotante, el motor EpubCC mantiene la imagen pero rompe el párrafo: las líneas estrechas al lado de la imagen se convierten en párrafos separados de una línea, y el pie de foto puede caer dentro de una oración. En un artículo de Wikipedia en inglés, pdf_oxide alcanza un recuerdo de 8 gramos de 0.800 frente a nuestro 0.761.
Original y resultado
Imágenes flotadas a la izquierda o derecha con subtítulos, y el texto del cuerpo envolviéndose a su alrededor en una columna más estrecha durante algunas líneas, luego volviendo al ancho completo.
Descargar fuente PDF Descargar la muestra EPUB
Por qué sucede
El motor encuentra columnas buscando un espacio vertical que ocupe toda la altura de una región con al menos dos líneas a cada lado. Una imagen flotante con texto a su lado se ve exactamente así: una columna estrecha de texto al lado de una columna que sostiene la imagen y su pie de foto.
Reconocer el salto (una línea estrecha que continúa a ancho completo debajo de la imagen) está en la lista; hasta entonces mostramos el resultado tal como está.
Fuente y licencia
- Documento
- Wikipedia (English): Alice's Adventures in Wonderland
- Licencia
- CC BY-SA 4.0 (text); images under their own licences
- Páginas
- 24
- Características
- texto PDF, una columna, imágenes, Inglés
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.
Configuraciones utilizadas
- Motor: EpubCC motor en commit 3b74b26, el binario que generó las imágenes y la muestra (2026-11-04).
- Páginas: todo el documento para las figuras; páginas 4–5 para las imágenes y la muestra EPUB.
- Cifras de referencia: la ejecución publicada del 2026-11-03 (compromiso del motor c953279).
- Opciones: ninguna. El motor no tiene configuraciones por documento aún; los mismos valores predeterminados se aplican a cada archivo.
Validación y resultados
EPUBCheck EPUBCheck en nuestro EPUB: 0 errores, 0 advertencias.
EPUBCheck 5.4.0 en la muestra descargable: 0 errores, 0 advertencias (verificado el 2026-11-04).
- Páginas
- 24
- Tiempo
- 0.55 s
- Memoria máxima
- 48 MB
- Imágenes mantenidas
- 20
- Capítulos
- 14, de los encabezados del artículo
- Advertencias de calidad
- ninguno
| Motor | recuperación de 8-gramas |
|---|---|
| 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 |
Limitaciones que observamos
- Las líneas junto a una imagen flotante se convierten en párrafos de una línea: el espacio entre la imagen y el texto se lee como un salto de columna.
- La imagen está colocada donde comienza su región, lo que puede estar en medio de una oración.
- Los subtítulos pueden intercalarse con el texto principal línea por línea (en este artículo: «Página del manuscrito de» entre dos mitades de una oración).
- pdf_oxide extract_text (0.800), OpenDataLoader (0.781) y PDFium (0.774) tienen un recordatorio de 8-gramas más alto que nuestro motor (0.761) en este documento.