Una vez imprimí un libro técnico para un vuelo largo y terminé con 940 páginas, porque acepté lo que ofrecía el convertidor y ofrecía A4 en 11 puntos con márgenes estrechos. El mismo libro en A5 y 14 puntos era de 612 páginas que se leían como un libro de bolsillo. Nada sobre el texto cambió. Lo que cambió fue que un archivo recargable no tiene un conteo de páginas hasta que algo decide dónde caen las páginas, y la cosa que decidía era un valor predeterminado que no había mirado. Ese es el trabajo completo de una conversión de EPUB a PDF, y saber que es una decisión de composición tipográfica en lugar de una copia de archivo le dice qué esperar del resultado.
TL;Dr: EPUB es reflunte, lo que significa que el libro no tiene páginas propias y la aplicación de lectura elige dónde se rompen las líneas y las páginas según la pantalla y el tamaño de la fuente. PDF es lo contrario: cada página ya está dibujada. Por lo tanto, la conversión es una composición tipográfica, no una copia, y la salida es un diseño nuevo en lugar de una reproducción de uno. Texto, títulos y orden de capítulos sobreviven. Las fuentes, las fuentes de línea exactas, las imágenes y la tabla de contenido en los que se puede hacer clic no lo hacen. los Convertidor de EPUB a PDF En Toolz.dev hace el trabajo en su navegador, por lo que el libro nunca se carga, y también ofrece texto sin formato, que es la mejor salida cuando desea buscar o cotizar en lugar de leer.
¿Por qué un ePub no tiene páginas?
Porque fue diseñado para no tener ninguno, y esa fue la decisión correcta para leer en pantallas.
Un capítulo ePub es XHTML. Lleva estructura, es decir, encabezados, párrafos, listas y énfasis, y casi no hay geometría. El sistema de lectura suministra la geometría en el momento en que la abre: el ancho de su pantalla, la fuente que eligió, el tamaño que establezca, ya sea que esté sosteniendo el teléfono en posición vertical. Cambie el tamaño y el libro se repagina. Esta es la razón por la que un número de página en un libro electrónico es inestable y por qué los lectores eReaders citan un porcentaje o una ubicación en su lugar.
PDF tiene el contrato opuesto. Cada página es un lienzo fijo con texto colocado en las coordenadas, razón por la cual un PDF se ve igual en todas partes y por qué leer uno en un teléfono significa pellizcar y desplazarse hacia los lados.
Tampoco es mejor. Responden a diferentes preguntas. La confusión surge porque ambos son "un libro en un archivo", por lo que convertirlos entre ellos suena como cambiar un envoltorio, cuando está más cerca de escribir un manuscrito. Hay una excepción que vale la pena conocer: EPUB también admite un modo de diseño fijo, que se utiliza para libros de cocina, libros para niños y cómics donde el diseño es el contenido. Los que se convierten a PDF mucho más fielmente, porque la geometría ya estaba decidida.
¿Qué hay dentro de un archivo .epub?
Una cremallera de páginas web, con un detalle en el frente que hace que el formato sea identificable sin descomprimir nada.
los Especificación EPUB 3.3 requiere el mimetype archivo para ser el primer archivo en el archivo, y requiere que los creadores "no deben comprimirlo ni encriptarlo". Su contenido es la cadena fija application/epub+zip. Debido a que se almacena sin comprimir en un desfase conocido, puede leerlo directamente de los bytes en bruto:
# the first 60 bytes of any valid EPUB
head -c 60 book.epub
# PK..........mimetypeapplication/epub+zip...
# and it is a ZIP, so you can look inside without any ebook software
unzip -l book.epub | head
Después de que la estructura se fija por la especificaciones en lugar de por convención, que es lo que hace posible un convertidor:
META-INF/container.xmlSe sienta en una ruta conocida y nombra el documento del paquete. Es la única ubicación en el formato en el que puede confiar, por lo que todos los lectores comienzan allí.- El documento del paquete, por lo general
content.opf, enumera todos los recursos del libro con una ID y un tipo de medio, luego da la columna vertebral: la lista ordenada de documentos que es el orden de lectura predeterminado. - los capitulos ¿Se hace referencia a los archivos XHTML desde ese manifiesto? En cualquier diseño de directorio, se produjo la herramienta de publicación.
Entonces, la conversión es: descomprimir, leer el contenedor, leer la columna vertebral, sacar encabezados y párrafos de cada capítulo en ese orden, tipografía. Nada en esa secuencia necesita un servidor, por lo que puede ejecutarse en una pestaña del navegador.
¿Qué sobrevive a la conversión y qué no?
Ten claro esto antes de convertir un libro que te importe, porque la respuesta honesta es "las palabras y la estructura, no el diseño".
| sobrevive | no sobrevive |
|---|---|
| Orden de capítulo, de la columna | Las fuentes y la tipografía del editor |
| encabezados, en tres niveles | Saltos de línea y de página exactos |
| Párrafos, listas, citas en bloque | Imágenes y figuras incrustadas |
| el texto en sí, las entidades decodificadas | Enlaces de notas al pie y referencias cruzadas |
| El tamaño de su página y el tamaño del cuerpo | Una tabla de contenido en la que se puede hacer clic |
La columna caída no es pereza, es la naturaleza del trabajo. Reproducir un estilo de libro recargable como páginas fijas significa implementar fielmente un motor de diseño CSS e incrustar las fuentes con licencia de Publisher, que es un producto de composición tipográfica en lugar de un convertidor. Si lo que desea es la edición diseñada, busque el propio PDF del editor. Si lo que quieres son las palabras, en orden, en las páginas que puedes imprimir, anotar o enviar a una tableta, la conversión te da exactamente eso.
Un efecto secundario de usar las fuentes estándar PDF en lugar de incrustar el propio libro: la salida no contiene datos de fuente en absoluto, por lo que una novela de 400 páginas aterriza alrededor de un megabyte. Un PDF con fuentes incrustadas para el mismo texto es rutinariamente cinco veces mayor que. Por eso también, ejecutar el resultado a través de una Compresor PDF Guarda casi nada: no hay datos de imagen ni datos de fuente para exprimir, solo texto.
¿Qué tamaño de página y tamaño de cuerpo debería elegir?
Elija para el destino y recuerde que los dos ajustes interactúan más fuerte que cualquiera de los looks.
Un punto es 1/72 de pulgada, por lo que A4 es 595 x 842 puntos, la letra de EE. UU. es 612 x 792 y A5 es 420 x 595. El margen predeterminado de 56 puntos es poco menos de 20 milímetros, que es el margen de libro convencional en lugar del margen de documento convencional.
Tres combinaciones cubren casi todo:
A4 en 10 u 11 puntos es el ajuste de impresión para guardar papel. La línea es larga, de alrededor de 90 caracteres, que ya pasó lo que los tipógrafos consideran cómodos, pero obtienes la menor cantidad de páginas. Úselo para material de referencia que rozará y anotará en lugar de leer de adelante hacia atrás.
A5 en 13 o 14 puntos es la configuración de lectura, y la que yo preferiría. La medida aterriza cerca de 65 caracteres, que es donde la lectura sostenida es cómoda, y el resultado parece un libro de bolsillo. Produce más páginas y son páginas más pequeñas.
Carta estadounidense en 12 puntos es la respuesta correcta cuando alguien más en América del Norte lo está imprimiendo, sin otra razón que su impresora esté cargada con ese papel.
Los títulos escalan desde el tamaño del cuerpo en lugar de establecerse de forma independiente, en 1,7 veces para el nivel uno, 1,4 veces para el nivel dos y 1,2 para el nivel tres, por lo que eleva el tamaño del cuerpo aumenta todo proporcionalmente y la jerarquía se mantiene.
¿Por qué un encabezado a veces salta a la página siguiente?
Porque estaba a punto de convertirse en la última línea de una página, y un encabezado separado del texto que introduce es el único defecto de paginación que cada lector nota de inmediato.
La regla en el paginador es mantener un encabezado con al menos una línea de lo que lo sigue. Cuando un encabezado más una línea de cuerpo no encajaba en el espacio restante, la página se enjuaga temprano y el encabezado comienza el siguiente. Es por eso que un PDF convertido a veces tiene una página que termina con dos líneas cortas.
Los tipógrafos llaman a las viudas y huérfanos de problemas generales, y la composición tipográfica profesional va más allá, tirando de líneas de un lado a otro entre las páginas para evitar una sola línea de un párrafo varados por sí solo. Este convertidor maneja el caso de encabezado y no el general, que es un límite deliberado: una viuda completa y un pase huérfano deben retroceder hacia atrás a través de las páginas, y la regla de encabezado atrapa a los que se quejan los lectores.
¿Debería convertir a texto sin formato en su lugar?
Para un número sorprendente de trabajos, sí, y es más rápido y útil.
El texto sin formato gana cada vez que el libro va a ser leído por algo que no sea una persona. Buscando un libro completo con grep. Alimentando capítulos a un guión. Sacar comillas sin luchar contra un orden de columna de PDF. Contando palabras. Lectura en un editor en una máquina sin visor de PDF. Ninguno de ellos quiere muebles de página, y un archivo .txt es capítulos en orden, separados por líneas en blanco, y nada más.
También es la salida más rápida, porque no se produce ningún trabajo de diseño. Se lee la estructura, los bloques se aplanan, se escribe el archivo.
Lo que renuncias es todo lo que te da una página: encabezados que parecen títulos, un artefacto imprimible, referencias estables a las que señalar. Para leer, PDF. Para trabajar con el texto, texto sin formato. La misma división se aplica a la inversa cuando tiene un PDF y quiere que las palabras salgan de él, que es lo que PDF a texto es para
¿Por qué mi libro de la biblioteca no se convertirá?
Porque está encriptado y ningún conversor que se ejecuta en su navegador puede leerlo.
Un libro tomado de una biblioteca o comprado en la mayoría de las tiendas principales lleva DRM. La estructura EPUB sigue ahí, pero los documentos de contenido están encriptados, con las claves vinculadas a una cuenta y una aplicación autorizada. El formato tiene un lugar para esto: META-INF/encryption.xml, que la especificación define como "información sobre el cifrado de los recursos de publicación". Un convertidor que abre dicho archivo encuentra capítulos que no puede leer y falla.
Esto no es un error para trabajar y no te voy a decir cómo hacerlo. Las rutas prácticas son las legítimas: muchos editores venden ePUB sin DRM directamente, Project Gutenberg y Standard Ebooks no están en DRM, la aplicación de su biblioteca generalmente puede enviar un libro a un dispositivo sin que usted convierta nada, y un libro que desea en papel a menudo existe como una edición en PDF que vende el editor.
Un archivo que no se convierte libremente DRM se convierte normalmente, y la mayoría de lo que la gente necesita convertir ya está libre de DRM: un manuscrito, un libro técnico de un editor que vende documentación directa exportada como epub, un clásico de dominio público.
¿Por qué no puedo convertir un mobi o un azw3?
Porque no son archivos zip de páginas web, y todo el enfoque anterior depende de eso.
Mobi, AZW, AZW3 y KFX son los propios formatos de Amazon, construidos sobre un linaje diferente con una estructura interna diferente. Un navegador puede descomprimir un zip; no puede abrir una base de datos binaria derivada de PalmDoc sin un analizador dedicado para cada generación del formato. Entonces, la herramienta nombra el formato en lugar de fallar con un error de archivo confuso.
La ruta que funciona es Calibre en su propia máquina: convierta el AZW3 a EPUB allí, luego traiga el epub aquí. Ese orden también es mejor para el resultado, porque Calibre conoce los metadatos y la estructura en esos archivos y produce un epub más limpio que cualquier conversión de un solo paso.
¿El libro sale de mi máquina?
prohibido . La descompresión, el análisis y la escritura de PDF ocurren en la pestaña del navegador.
Eso importa más para los libros de lo que la gente supone. Un manuscrito no publicado, una tesis bajo embargo, un manual interno, un libro que tienes que leer pero no para redistribuir: subir cualquiera de ellos a un sitio de conversión gratuito significa entregar una copia completa a una empresa cuyo modelo de negocio no hayas leído. Aquí no existe copia para entregar, lo que puede confirmar en el panel de red de DevTools mientras se ejecuta la conversión.
El límite práctico es la memoria de pestañas en lugar de un plan, y para EPUB ese límite es generoso, ya que una larga novela es de unos pocos megabytes de XHTML comprimido. Los libros de diseño fijo con mucha imagen son los que se hacen grandes, y esos también son los que un convertidor de extracción de texto sirve al menos.
¿Qué pasa con la otra dirección, PDF a EPUB?
Mucho más difícil y digno de entender por qué, porque explica lo que contiene un PDF.
Un PDF no almacena párrafos. Almacena glifos posicionados en una página, agrupados en operaciones de presentación de texto que a menudo se rompen en la mitad de la palabra y no tienen que aparecer en orden de lectura. Reconstruir párrafos significa inferir de las coordenadas: esta carrera se encuentra debajo de que uno con un líder consistente, esta brecha es un salto de columna en lugar de un salto de párrafo, esta línea repetida cerca del fondo es un pie de página en lugar de una oración. Cada extractor de texto en PDF está haciendo esa inferencia, y cada uno de ellos se equivoca.
Convertir un trabajo académico de dos columnas es donde se muestra: la extracción ingenua intercala las columnas, produciendo medias oraciones alternas. Eso no es un error tanto en ninguna herramienta como la consecuencia de un formato que registra dónde va la tinta y no lo que significa la tinta.
Ir EPUB a PDF es la dirección fácil precisamente porque la estructura está presente en la fuente y la geometría es lo que se inventa. Volver atrás significa inventar la estructura de la geometría, por lo que los resultados son mucho más variables. Cuando todo lo que necesitas son las palabras, PDF a texto es la herramienta honesta, y para los trabajos de preservación de diseño en torno a un PDF hay oprimir y conversión de palabras en lugar de un viaje de ida y vuelta a través de EPUB. los Guía de herramientas de PDF Cubre cuál de esos se aplica a qué problema.
¿Cómo se comprueba que salió bien la conversión?
Cuatro controles, cada uno de unos diez segundos, y atrapan casi todo lo que sale mal.
Cuente los capítulos. La columna vertebral dice cuántos documentos tiene el libro, y unzip -l book.epub los enumera. Si el PDF tiene visiblemente menos encabezados de capítulo que el EPUB tiene documentos de contenido, se omitió algo: por lo general, un capítulo que contiene solo una imagen, que un extractor de texto dice correctamente como vacío y un lector que espera que una página encuentre falta.
Lea la última página. El truncamiento al final es el modo de falla que se esconde mejor, porque las primeras cien páginas se ven perfectas. Si el libro termina a mitad de la oración, la columna vertebral no estaba completamente caminada.
Busca una palabra desde el medio. Abra el PDF, busque una frase que sepa que aparece a la mitad y confirme que está allí y en el capítulo correcto. Esto detecta problemas de orden de lectura, donde la materia frontal marcada como saltable aterriza en algún lugar inesperado.
Mira la puntuación. Los ePubs están llenos de entidades de caracteres, y un convertidor que no las decodifica deja — investigaciones operacionales ’ visible en el texto. El convertidor aquí decodifica entidades con nombre y numéricas, y mapea guiones tipográficos a guiones simples a propósito, por lo que EM guiones en la fuente aparecen como guiones en el PDF en lugar de como cuadros en una fuente que carece del glifo.
Si un libro falla los cuatro, generalmente es DRM en lugar de un error de conversión, y el error lo habrá dicho en el punto que seleccionó el archivo.
