EpubCCTeksti, joka kiertää kuvan ympärillä: missä moottori katkeaa
Päivitetty:
Kun kappale virtaa kelluvien kuvien ympäri, EpubCC-moottori pitää kuvan, mutta katkaisee kappaleen: kapeat rivit kuvan vieressä muuttuvat erillisiksi yhden rivin kappaleiksi, ja kuvateksti voi päätyä lauseen sisään. Englanninkielisessä Wikipedia-artikkelissa pdf_oxide saavuttaa 8-gramman palautusprosentin 0.800:stä verrattuna 0.761:een.
Alkuperäinen ja tulos
Kuvat kelluvat vasemmalla tai oikealla kuvatekstien kanssa, ja tekstirungot kiertävät niitä kapeammalla sarakkeella muutaman rivin ajan, ennen kuin palaavat täyteen leveyteen.
Lataa lähde PDF Lataa näyte EPUB
Miksi näin tapahtuu
Moottori löytää sarakkeet etsimällä pystysuoraa aukkoa, joka kulkee koko alueen korkeuden läpi, jossa on vähintään kaksi riviä kummallakin puolella. Kelluva kuva tekstin vieressä näyttää juuri siltä: kapea tekstisarakke vierekkäin sarakkeen kanssa, joka sisältää kuvan ja sen kuvatekstin.
Kierrosta tunnistaminen (kapeat rivit, jotka jatkuvat täydessä leveydessä kuvan alla) on listoilla; siihen asti näytämme tuloksen sellaisena kuin se on.
Lähde ja lisenssi
- Dokumentti
- Wikipedia (English): Alice's Adventures in Wonderland
- Lisenssi
- CC BY-SA 4.0 (text); images under their own licences
- Sivut
- 24
- Ominaisuudet
- teksti PDF, yksi sarake, kuvat, Englanti
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.
Käytetyt asetukset
- Moottori: EpubCC moottori commitissa 3b74b26, binääri, joka tuotti kuvat ja näytekappaleen (2026-11-04).
- Sivut: koko asiakirja kuvien osalta; sivut 4–5 kuvien ja näytteen EPUB osalta.
- Vertailuluvut: julkaistu suoritus 2026-11-03 (moottorin sitoumus c953279).
- Valinnat: ei mitään. Moottorilla ei vielä ole asiakirjakohtaisia asetuksia; samat oletusasetukset pätevät kaikkiin tiedostoihin.
Validointi ja tulokset
EPUBCheck EPUBCheck meidän EPUB: 0 virheitä, 0 varoituksia.
EPUBCheck 5.4.0 ladattavasta näytteestä: 0 virhettä, 0 varoitusta (tarkistettu 2026-11-04).
- Sivut
- 24
- Aika
- 0.55 s
- Huippumuisti
- 48 MB
- Kuvat säilytetään.
- 20
- Luvut
- 14, artikkelin otsikoista
- Laatuvaroitukset
- ei mitään
| Moottori | 8-grammin muistaminen |
|---|---|
| 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 |
Havaittuja rajoituksia
- Rivit kelluvan kuvan vieressä muuttuvat yksirivisiksi kappaleiksi: kuvan ja tekstin väliin jäävä aukko luetaan sarakevaihtona.
- Kuva on sijoitettu alueen alkuun, joka voi olla lauseen keskellä.
- Kuvatekstit voidaan sekoittaa runkotekstiin rivi riviltä (tässä artikkelissa: «Sivu käsikirjoituksesta» kahden lauseen puolivälin välillä).
- pdf_oxide extract_text (0.800), OpenDataLoader (0.781) ja PDFium (0.774) saavat korkeamman 8-grammuiston kuin moottorimme (0.761) tässä asiakirjassa.