EpubCCKonwersja dokumentu dwukolumnowego do EPUB
Zaktualizowane:
Prace w dwóch kolumnach łamią się, gdy konwerter odczytuje bezpośrednio przez obie kolumny. Na artykule OLMo (arXiv, CC BY 4.0) silnik EpubCC utrzymuje kolumny oddzielone, ale pdf_oxide's extract_text lepiej oceniane jest za ciągłość w tym dokumencie.
Oryginał i wynik
Dwie kolumny na stronę, tabele, figury i przypisy dolne. Czytanie przez lukę w kolumnach łączy dwa niepowiązane zdania w każdej linii.
Pobierz źródło PDF Pobierz próbkę EPUB
Źródło i licencja
- Dokument
- OLMo paper (arXiv 2402.00838)
- Licencja
- CC BY 4.0
- Strony
- 21
- Cechy
- tekst PDF, dwie kolumny, tabele, pr przypisy, figury, artykuł naukowy
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.
Ustawienia użyte
- Silnik: EpubCC silnik, wersja 2026-11-03 (ta, która została zmierzona w benchmarku).
- Strony: cały dokument.
- Opcje: brak. Silnik nie ma jeszcze ustawień na poziomie dokumentu; te same domyślne ustawienia mają zastosowanie do każdego pliku.
Walidacja i wyniki
EPUBCheck EPUBCheck w naszym EPUB: 0 błędów, 0 ostrzeżeń.
| Silnik | Przywołanie 8-gramowe |
|---|---|
| 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 |
Ograniczenia, które zaobserwowaliśmy
- pdf_oxide extract_text ma wyższą pamięć 8-gramową niż nasza maszyna w tym dokumencie.
- Tabele są zapisane jako tekst w kolejności czytania; nie są odbudowywane jako tabele.