EpubCCText som omger en bild: där motorn bryter
Uppdaterad:
När ett stycke flyter runt en flytande bild, behåller EpubCC-motorn bilden men bryter stycket: de smala raderna bredvid bilden blir separata enradiga stycken, och bildtexten kan landa inne i en mening. I en engelsk Wikipedia-artikel når pdf_oxide en 8-grams återkallelse av 0.800 mot vår 0.761.
Original och resultat
Bilder flytande till vänster eller höger med bildtexter, och brödtext som omger dem i en smalare kolumn i några rader, för att sedan återgå till full bredd.
Ladda ner källan PDF Ladda ner provet EPUB
Varför det händer
Motorn hittar kolumner genom att leta efter ett vertikalt gap som sträcker sig över hela höjden av en region med minst två rader på varje sida. En flytande bild med text bredvid den ser exakt ut så: en smal kolumn av text bredvid en kolumn som håller bilden och dess bildtext.
Att känna igen omslag (en smal rad av rader som fortsätter i full bredd under bilden) finns med på listan; tills dess visar vi resultatet som det är.
Källa och licens
- Dokument
- Wikipedia (English): Alice's Adventures in Wonderland
- Licens
- CC BY-SA 4.0 (text); images under their own licences
- Sidor
- 24
- Egenskaper
- text PDF, en kolumn, bilder, Engelska
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.
Använda inställningar
- Motor: EpubCC motor vid commit 3b74b26, den binära som genererade bilderna och provet (2026-11-04).
- Sidor: hela dokumentet för figurerna; sidor 4–5 för bilderna och exemplet EPUB.
- Benchmark siffror: den publicerade körningen av 2026-11-03 (motorcommit c953279).
- Alternativ: inga. Motorn har inga per-dokument-inställningar ännu; samma standardinställningar gäller för varje fil.
Validering och resultat
EPUBCheck EPUBCheck på vår EPUB: 0 fel, 0 varningar.
EPUBCheck 5.4.0 på den nedladdningsbara provet: 0 fel, 0 varningar (kontrollerat 2026-11-04).
- Sidor
- 24
- Tid
- 0.55 s
- Maxminne
- 48 MB
- Bilder som behålls
- 20
- Kapitel
- 14, från artikelns rubriker
- Kvalitetsvarningar
- ingen
| Motor | 8-gram återkallande |
|---|---|
| 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 |
Begränsningar vi observerat
- Rader bredvid en flytande bild blir enradiga stycken: avståndet mellan bilden och texten läses som en kolumbrytning.
- Bilden är placerad där dess region börjar, vilket kan vara mitt i en mening.
- Textning kan vävas in med brödtext rad för rad (i denna artikel: «Sida från manuskriptet av» mellan två delar av en mening).
- pdf_oxide extract_text (0.800), OpenDataLoader (0.781) och PDFium (0.774) har en högre 8-gram återkallning än vår motor (0.761) på detta dokument.