EpubCCTexte qui s'enroule autour d'une image : là où le moteur se bloque
Mis à jour :
Quand un paragraphe s'écoule autour d'une image flottante, le moteur EpubCC garde l'image mais coupe le paragraphe : les lignes étroites à côté de l'image deviennent des paragraphes séparés d'une ligne, et la légende peut se retrouver à l'intérieur d'une phrase. Sur un article de Wikipédia en anglais, pdf_oxide atteint un rappel de 8 grammes de 0.800 contre notre 0.761.
Original et résultat
Images flottantes à gauche ou à droite avec des légendes, et texte principal entourant à travers une colonne plus étroite pendant quelques lignes, puis revenant à la pleine largeur.
Télécharger la source PDF Télécharger l'échantillon EPUB
Pourquoi cela se produit
Le moteur trouve les colonnes en recherchant un espace vertical qui s'étend sur toute la hauteur d'une région avec au moins deux lignes de chaque côté. Une image flottante avec du texte à côté d'elle ressemble exactement à cela : une étroite colonne de texte à côté d'une colonne qui contient l'image et sa légende.
La reconnaissance du retour à la ligne (une fine rangée de lignes qui continue à pleine largeur sous l'image) est sur la liste ; jusqu'à ce moment-là, nous montrons le résultat tel quel.
Source et licence
- Document
- Wikipedia (English): Alice's Adventures in Wonderland
- Licence
- CC BY-SA 4.0 (text); images under their own licences
- Pages
- 24
- Caractéristiques
- texte PDF, une colonne, images, Anglais
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.
Paramètres utilisés
- Moteur : EpubCC moteur à l'engagement 3b74b26, le binaire qui a généré les images et l'échantillon (2026-11-04).
- Pages : le document entier pour les figures ; pages 4–5 pour les images et l'échantillon EPUB.
- Chiffres de référence : l'exécution publiée du 2026-11-03 (commit de moteur c953279).
- Options : aucune. Le moteur n'a pas encore de paramètres par document ; les mêmes valeurs par défaut s'appliquent à chaque fichier.
Validation et résultats
EPUBCheck EPUBCheck sur notre EPUB : 0 erreurs, 0 avertissements.
EPUBCheck 5.4.0 sur l'exemple téléchargeable : 0 erreurs, 0 avertissements (vérifié le 2026-11-04).
- Pages
- 24
- Temps
- 0.55 s
- Mémoire peak
- 48 MB
- Images conservées
- 20
- Chapitres
- 14, provenant des titres de l'article
- Avertissements de qualité
- aucun
| Moteur | rappel 8-gram |
|---|---|
| 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 |
Limitations observées
- Les lignes à côté d'une image flottante deviennent des paragraphes d'une ligne : l'espace entre l'image et le texte est interprété comme une coupure de colonne.
- L'image est placée là où commence sa région, ce qui peut être au milieu d'une phrase.
- Les légendes peuvent être entrelacées avec le texte principal ligne par ligne (dans cet article : «Page du manuscrit de» entre deux moitiés d'une phrase).
- pdf_oxide extract_text (0.800), OpenDataLoader (0.781) et PDFium (0.774) ont un rappel de 8-grammes plus élevé que notre moteur (0.761) sur ce document.