EpubCCConvertire un documento a due colonne in EPUB
Aggiornato:
I document a due colonne si rompono quando un convertitore legge trasversalmente entrambe le colonne. Sul documento OLMo (arXiv, CC BY 4.0) il motore EpubCC mantiene le colonne separate, ma l'estrazione del testo di pdf_oxide ha punteggi più alti in continuità per questo documento.
Originale e risultato
Due colonne per pagina, tabelle, figure e note a piè di pagina. Leggere attraverso il divario tra le colonne mescola due frasi non correlate in ogni riga.
Scarica sorgente PDF Scarica il campione EPUB
Fonte e licenza
- Documento
- OLMo paper (arXiv 2402.00838)
- Licenza
- CC BY 4.0
- Pagine
- 21
- Caratteristiche
- testo PDF, due colonne, tabelle, note a piè di pagina, figure, articolo accademico
Groeneveld et al., “OLMo: Accelerating the Science of Language Models”, arXiv:2402.00838v4, licensed CC BY 4.0. Pages shown unmodified; the EPUB is our conversion.
Impostazioni utilizzate
- Motore: EpubCC motore, build del 2026-11-03 (quello misurato nel benchmark).
- Pagine: l'intero documento.
- Opzioni: nessuna. Il motore non ha ancora impostazioni per documento; gli stessi valori predefiniti si applicano a ogni file.
Validazione e risultati
EPUBCheck EPUBCheck sul nostro EPUB: 0 errori, 0 avvisi.
| Motore | richiamo 8-gram |
|---|---|
| EpubCC engine (EPUB output) | 0.893 |
| EpubCC engine (plain text) | 0.891 |
| pdf_oxide · extract_text | 0.854 |
| pdf_oxide · to_plain_text (XY-cut) | 0.273 |
| pdf_oxide · Markdown | 0.719 |
| PDFium · text().all() | 0.761 |
| OpenDataLoader PDF (local mode) | 0.820 |
| pdftotext (Poppler) | 0.781 |
| Calibre · ebook-convert (EPUB output) | 0.640 |
| EpubCC engine (EPUB, same extractor as Calibre) | 0.892 |
Limitazioni osservate
- pdf_oxide extract_text ha un richiamo di 8-gram superiore al nostro motore su questo documento.
- Le tabelle sono scritte come testo in ordine di lettura; non sono ricostruite come tabelle.