J'ai imprimé un livre technique pour un long vol une fois et j'ai fini avec 940 pages, car j'ai accepté tout ce que le convertisseur offrait et il offrait A4 à 11 points avec des marges étroites. Le même livre à A5 et 14 points comportait 612 pages qui lisaient comme un livre de poche. Rien dans le texte n'a changé. Ce qui a changé, c'est qu'un fichier réutilisable n'a pas de nombre de pages tant que quelque chose n'a pas décidé de savoir où les pages tombent, et la chose qui a décidé était un défaut que je n'avais pas examiné. C'est tout le travail d'une conversion ePub en PDF, et savoir qu'il s'agit d'une décision de composition plutôt qu'une copie de fichier vous indique à quoi vous attendre du résultat.
tl;dr : ePub est reflux, ce qui signifie que le livre n'a pas de pages à lui et que l'application de lecture choisit l'endroit où les lignes et les pages se brisent en fonction de votre écran et de la taille de la police. Le PDF est le contraire : chaque page est déjà dessinée. La conversion est donc une composition, pas une copie, et la sortie est une nouvelle mise en page plutôt qu'une reproduction d'une seule. Le texte, les en-têtes et l'ordre des chapitres survivent. Les polices d'éditeur, les sauts de ligne exacts, les images et la table des matières cliquables ne le font pas. le Convertisseur ePub en PDF Sur Toolz.dev effectue le travail dans votre navigateur, le livre n'est donc jamais téléchargé, et il propose également du texte brut, ce qui est la meilleure sortie lorsque vous souhaitez rechercher ou citer plutôt que de les lire.
Pourquoi un ePub n'a pas de pages ?
Parce qu'il était conçu pour ne pas en avoir, et c'était la bonne décision pour lire sur les écrans.
Un chapitre ePub est XHTML. Il comporte une structure, c'est-à-dire des en-têtes, des paragraphes, des listes et des accents, et presque aucune géométrie. Le système de lecture fournit la géométrie au moment où vous l'ouvrez : la largeur de votre écran, la police que vous avez choisie, la taille que vous avez définie, que vous mainteniez le téléphone debout. Changez la taille et le livre se répand. C'est pourquoi un numéro de page dans un ebook est instable et pourquoi les eReaders citent un pourcentage ou un emplacement à la place.
PDF détient le contrat opposé. Chaque page est une toile fixe avec du texte placé en coordonnées, c'est pourquoi un PDF est le même partout et pourquoi en lire un sur un téléphone, c'est pincer et défiler sur le côté.
Ni l'un ni l'autre n' Ils répondent à différentes questions. La confusion survient parce que les deux sont "un livre dans un fichier", donc la conversion entre eux ressemble à changer un wrapper, lorsqu'il est plus proche de la composition d'un manuscrit. Il y a une exception qui mérite d'être connue : ePub prend également en charge un mode de disposition fixe, utilisé pour les livres de cuisine, les livres pour enfants et les bandes dessinées où le design est le contenu. Ceux-ci se convertissent en PDF beaucoup plus fidèlement, car la géométrie était déjà décidée.
Qu'y a-t-il dans un fichier .epub ?
Un zip de pages Web, avec un détail à l'avant qui rend le format identifiable sans rien zipper.
le Spécifications ePub 3.3 nécessite le mimetype Le fichier doit être le premier fichier de l'archive et exige que les créateurs "ne doivent pas le compresser ou le crypter". Son contenu est la chaîne fixe application/epub+zip. Parce qu'il est stocké non compressé à un décalage connu, vous pouvez le lire directement à partir des octets bruts :
# 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
Après cela, la structure est fixée par la spécification plutôt que par convention, ce qui rend possible un convertisseur :
META-INF/container.xmlse trouve à un chemin connu et nomme le document de package. C'est le seul emplacement dans le format sur lequel vous pouvez compter, c'est pourquoi chaque lecteur y commence.- Le document de package, généralement
content.opf, répertorie toutes les ressources du livre avec un ID et un type de média, puis donne la colonne vertébrale : la liste ordonnée des documents qui est l'ordre de lecture par défaut. - Les chapitres Les fichiers XHTML sont-ils référencés à partir de ce manifeste, quelle que soit la mise en page de répertoire que l'outil de publication produit.
Donc, la conversion est : décompressez, lisez le conteneur, lisez la colonne vertébrale, tirez les en-têtes et les paragraphes de chaque chapitre de cet ordre, typographique. Rien dans cette séquence n'a besoin d'un serveur, c'est pourquoi il peut s'exécuter dans un onglet de navigateur.
Qu'est-ce qui survit à la conversion, et qu'est-ce qui ne le fait pas ?
Soyez clair à ce sujet avant de convertir un livre qui vous tient à cœur, car la réponse honnête est "les mots et la structure, et non le design".
| survit | ne survit pas |
|---|---|
| Ordre du chapitre, de la colonne vertébrale | Les polices et la typographie de l'éditeur |
| En-têtes, à trois niveaux | Sauts de ligne et de page exacts |
| Paragraphes, listes, citations de blocs | Images et chiffres intégrés |
| Le texte lui-même, entités décodées | Liens de notes de bas de page et références croisées |
| Taille de votre page et taille du corps | Une table des matières cliquable |
La colonne abandonnée n'est pas la paresse, c'est la nature du travail. Reproduire fidèlement un style de livre reflux, c'est mettre en œuvre un moteur de mise en page CSS et intégrer les polices sous licence de l'éditeur, qui est un produit de dactylographie plutôt qu'un convertisseur. Si ce que vous voulez, c'est l'édition conçue, recherchez le propre PDF de l'éditeur. Si ce que vous voulez, ce sont les mots, dans l'ordre, sur les pages que vous pouvez imprimer, annoter ou envoyer sur une tablette, la conversion vous donne exactement cela.
Un effet secondaire de l'utilisation des polices standard PDF plutôt que d'intégrer le propre du livre : la sortie ne contient aucune donnée de police, de sorte qu'un roman de 400 pages atterrit autour d'un mégaoctet. Un PDF avec des polices incorporées pour le même texte est généralement cinq fois plus élevé. C'est aussi pourquoi exécuter le résultat à travers un Compresseur PDF Ne sauvegarde presque rien : il n'y a pas de données d'image ni de police à s'agripper, seulement du texte.
Quelle taille de page et quelle taille de corps devez-vous choisir ?
Choisissez la destination et n'oubliez pas que les deux paramètres interagissent plus fortement que les deux.
Un point est de 1/72 de pouce, donc A4 est de 595 x 842 points, la lettre américaine est de 612 x 792 et A5 est de 420 x 595. La marge par défaut de 56 points est d'un peu moins de 20 millimètres, ce qui est la marge comptable conventionnelle plutôt que la marge de document conventionnelle.
Trois combinaisons couvrent presque tout :
A4 à 10 ou 11 points est le paramètre d'impression sur papier. La ligne est longue, environ 90 caractères, ce qui dépasse les typographes qui considèrent le confort, mais vous obtenez le moins de pages. Utilisez-le pour le matériel de référence, vous allez survoler et annoter plutôt que de lire d'avant en arrière.
A5 à 13 ou 14 points est le paramètre de lecture et celui que je voudrais par défaut. La mesure atterrit près de 65 caractères, là où une lecture soutenue est confortable, et le résultat ressemble à un livre de poche. Il produit plus de pages et ce sont des pages plus petites.
Lettre américaine à 12 points est la bonne réponse lorsque quelqu'un d'autre en Amérique du Nord l'imprime, sans autre raison que son imprimante est chargée avec ce papier.
Les titres sont mis à l'échelle de la taille du corps plutôt que d'être définis indépendamment, à 1,7 fois pour le niveau un, 1,4 fois pour le niveau deux et 1,2x pour le niveau trois, donc augmenter la taille du corps augmente tout proportionnellement et la hiérarchie tient.
Pourquoi un titre passe-t-il parfois à la page suivante ?
Parce qu'il était sur le point de devenir la dernière ligne d'une page, et qu'un en-tête séparé du texte qu'il introduit est le seul défaut de pagination que chaque lecteur remarque immédiatement.
La règle dans le paginateur est de garder un cap avec au moins une ligne de ce qui le suit. Lorsqu'un en-tête plus une ligne de corps ne s'inscrit pas dans l'espace restant, la page est vidé tôt et la rubrique commence la suivante. C'est pourquoi un PDF converti a parfois une page qui termine deux lignes.
Les typographes appellent le problème général des veuves et des orphelins, et la composition professionnelle va plus loin, faisant des lignes d'avant en arrière entre les pages pour éviter une seule ligne d'un paragraphe bloquée. Ce convertisseur gère la casse de cap et non celui général, ce qui est une limite délibérée : un laissez-passer complet et une passe orpheline doivent refluer vers l'arrière, et la règle de cap s'en plaint.
Faut-il plutôt convertir en texte brut ?
Pour un nombre surprenant d'emplois, oui, et il est à la fois plus rapide et plus utile.
Le texte brut gagne chaque fois que le livre sera lu par autre chose qu'une personne. Recherche d'un livre entier avec grep. Alimenter des chapitres à un script. Tirer des citations sans combattre un ordre de colonne PDF. compter les mots. Lecture dans un éditeur sur une machine sans visionneuse de PDF. Aucun de ceux-ci ne veut de meubles de page, et un fichier .txt est des chapitres dans l'ordre, séparés par des lignes vides, et rien d'autre.
C'est aussi la sortie la plus rapide, car aucun travail de mise en page ne se produit. La structure est lue, les blocs sont aplatis, le fichier est écrit.
Ce que vous abandonnez est tout ce qu'une page vous donne : des en-têtes qui ressemblent à des en-têtes, un artefact imprimable, des références stables à pointer. Pour la lecture, PDF. Pour travailler avec le texte, le texte brut. La même répartition s'applique à l'envers lorsque vous avez un PDF et que vous voulez que les mots en sortent, c'est ce que PDF en texte est pour.
Pourquoi mon livre de bibliothèque ne sera-t-il pas converti ?
Parce qu'il est crypté et qu'aucun convertisseur ne peut le lire dans votre navigateur.
Un livre emprunté à une bibliothèque ou acheté dans la plupart des grands magasins propose des DRM. La structure ePub est toujours là, mais les documents de contenu sont cryptés, avec les clés liées à un compte et une application autorisée. Le format a une place pour cela : META-INF/encryption.xml, que la spécification définit comme contenant "informations sur le cryptage des ressources de publication". Un convertisseur ouvrant un tel fichier trouve des chapitres qu'il ne peut pas lire et échoue.
Ce n'est pas un bug à contourner et je ne vais pas vous dire comment faire. Les itinéraires pratiques sont les plus légitimes : de nombreux éditeurs vendent directement des ePubs sans DRM, les ebooks Project Gutenberg et standard sont sans DRM par politique, l'application de votre bibliothèque peut généralement envoyer un livre sur un appareil sans que vous convertissiez quoi que ce soit, et un livre que vous voulez sur papier existe souvent en tant que PDF Edition.
Un fichier sans DRM convertit normalement, et la plupart des gens ont déjà besoin de convertir est sans DRM : un manuscrit, un livre technique d'un éditeur qui vend directement, une documentation exportée sous le nom d'ePub, un classique du domaine public.
Pourquoi ne puis-je pas convertir un Mobi ou un AZW3 ?
Parce qu'il ne s'agit pas d'archives ZIP des pages Web, et toute l'approche ci-dessus en dépend.
Mobi, AZW, AZW3 et KFX sont les propres formats d'Amazon, construits sur une lignée différente avec une structure interne différente. Un navigateur peut décompresser un zip, il ne peut pas ouvrir une base de données binaire dérivée de PalmDoc sans un analyseur dédié à chaque génération du format. L'outil nomme donc le format plutôt que d'échouer avec une erreur d'archive déroutante.
L'itinéraire qui fonctionne est de calibre sur votre propre machine : convertissez l'AZW3 en ePub, puis apportez l'ePub ici. Cette commande est également meilleure pour le résultat, car Calibre connaît les métadonnées et la structure de ces fichiers et produit un ePub plus propre que n'importe quelle conversion en une seule étape.
Le livre laisse-t-il ma machine ?
non . Le décompression, l'analyse et l'écriture PDF se produisent dans l'onglet du navigateur.
Cela compte plus pour les livres que les gens ne le pensent. Un manuscrit non publié, une thèse sous embargo, un manuel interne, un livre que vous avez une licence à lire mais pas pour redistribuer : le télécharger sur un site de conversion gratuit signifie remettre une copie complète à une entreprise dont vous n'avez pas lu le modèle commercial. Ici, aucune copie n'existe à remettre, ce que vous pouvez confirmer dans le panneau réseau DevTools pendant la conversion.
La limite pratique est la mémoire de tabulation plutôt qu'un plan, et pour ePub, cette limite est généreuse, car un long roman est de quelques mégaoctets de XHTML compressé. Les livres de mise en page fixes et lourds sont ceux qui deviennent grands, et ce sont également ceux qu'un convertisseur extractif de texte sert moins bien.
Qu'en est-il de l'autre sens, PDF vers ePub ?
Beaucoup plus difficile et vaut la peine de comprendre pourquoi, car cela explique ce que contient un PDF.
Un PDF ne stocke pas de paragraphes. Il stocke les glyphes positionnés sur une page, regroupés en opérations de présentation de texte qui cassent souvent le milieu de la parole et n'ont pas à apparaître dans l'ordre de lecture. Reconstruire des paragraphes signifie les déduire des coordonnées : cette course se trouve en dessous de celle avec une avance cohérente, cet écart est un saut de colonne plutôt qu'un saut de paragraphe, cette ligne répétée près du bas est un pied de page plutôt qu'une phrase. Chaque extracteur de texte PDF fait cette inférence, et chacun d'entre eux se trompe.
La conversion d'un article académique à deux colonnes est l'endroit où il montre : l'extraction naïve entrelace dans les colonnes, produisant des demi-phrases alternées. Ce n'est pas un bogue dans un seul outil tant que la conséquence d'un format qui enregistre où va l'encre et non ce que signifie l'encre.
Aller au format PDF est la direction facile, précisément parce que la structure est présente dans la source et que la géométrie est la chose qui est inventée. Revenir en arrière signifie inventer la structure à partir de la géométrie, c'est pourquoi les résultats sont tellement plus variables. Quand tout ce dont vous avez besoin, ce sont les mots, PDF en texte est l'outil honnête, et pour les travaux de préservation de la mise en page autour d'un PDF, il existe compresser et conversion de mots plutôt qu'un aller-retour à travers ePub. le Guide d'outils PDF Couvre lequel de ces éléments s'applique à quel problème.
Comment vérifiez-vous que la conversion est sortie, n'est-ce pas ?
Quatre vérifications, chacune environ dix secondes, et ils attrapent presque tout ce qui ne va pas.
Comptez les chapitres. La colonne vertébrale indique le nombre de documents dont le livre contient, et unzip -l book.epub les liste. Si le PDF a visiblement moins de titres de chapitre que l'ePub, il y a quelque chose qui a été ignoré : généralement un chapitre qui ne contient qu'une image, qu'un extracteur de texte lit correctement comme vide et un lecteur attend une page.
Lisez la dernière page. La troncature à la fin est le mode de défaillance qui se cache le mieux, car les cent premières pages semblent parfaites. Si le livre se termine à mi-parcours, la colonne vertébrale n'a pas été complètement marchée.
Rechercher un mot du milieu. Ouvrez le PDF, recherchez une phrase dont vous savez qu'elle apparaît à mi-chemin et confirmez qu'elle est là et dans le bon chapitre. Cela interpelle les problèmes d'ordre de lecture, où la matière avant marquée comme atterrir dans un endroit inattendu.
Regardez la ponctuation. Les ePubs sont remplis d'entités de caractères et un convertisseur qui ne parvient pas à les décoder. — ou ’ visible dans le texte. Le convertisseur décode ici à la fois les entités nommées et numériques, et mappe exprès des tirets typographiques sur des tirets simples, de sorte que les tirets EM dans la source sortent sous forme de tirets dans le PDF plutôt que de boîtes dans une police dépourvue de glyphe.
Si un livre échoue, il s'agit généralement de DRM plutôt qu'un défaut de conversion, et l'erreur l'aura dit au moment où vous avez sélectionné le fichier.
