Ho stampato un libro tecnico per un lungo volo una volta e sono finito con 940 pagine, perché ho accettato tutto ciò che il convertitore offriva e offriva A4 a 11 punti con margini stretti. Lo stesso libro in A5 e 14 punti erano 612 pagine che si leggono come un tascabile. Niente sul testo è cambiato. Ciò che è cambiato è che un file riflusso non ha un conteggio delle pagine fino a quando qualcosa non decide dove cadono le pagine e la cosa che decide era un'impostazione predefinita che non avevo guardato. Questo è l'intero lavoro di una conversione da ePub a PDF, e sapere che è una decisione di composizione piuttosto che una copia di file ti dice cosa aspettarti dal risultato.
tl; dr: EPUB è riflusso, il che significa che il libro non ha pagine proprie e l'app di lettura sceglie dove si interrompono le linee e le pagine in base allo schermo e alla dimensione del carattere. Il PDF è il contrario: ogni pagina è già disegnata. Quindi la conversione è una composizione, non una copia e l'output è un nuovo layout piuttosto che una riproduzione di uno. Sopravvivono testo, intestazioni e ordine del capitolo. I caratteri dell'editore, le interruzioni di riga esatte, le immagini e il sommario cliccabile non lo fanno. la Convertitore da ePub a PDF Su Toolz.dev fa il lavoro nel tuo browser, quindi il libro non viene mai caricato e offre anche testo normale, che è l'output migliore quando vuoi cercare o citare piuttosto che leggere.
Perché un epub non ha pagine?
Perché è stato progettato per non averne, e questa è stata la decisione giusta per la lettura sugli schermi.
Un capitolo epub è xhtml. Trasporta una struttura, ovvero intestazioni, paragrafi, elenchi e enfasi e quasi nessuna geometria. Il sistema di lettura fornisce la geometria nel momento in cui la si apre: la larghezza dello schermo, il carattere scelto, la dimensione impostata, sia che si stia tenendo il telefono in posizione verticale. Cambia la dimensione e il libro ripagina. Questo è il motivo per cui un numero di pagina in un ebook è instabile e perché gli ereader citano una percentuale o una posizione.
Il PDF detiene il contratto opposto. Ogni pagina è una tela fissa con testo posizionato alle coordinate su di essa, motivo per cui un PDF sembra lo stesso ovunque e perché leggerne uno su un telefono significa pizzicare e scorrere di lato.
Nessuno dei due è migliore. Rispondono a domande diverse. La confusione sorge perché entrambi sono "un libro in un file", quindi la conversione tra di loro suona come cambiare un wrapper, quando è più vicino alla composizione di un manoscritto. C'è un'eccezione che vale la pena conoscere: EPUB supporta anche una modalità di layout fisso, utilizzata per libri di cucina, libri per bambini e fumetti in cui il design è il contenuto. Quelli si convertono in PDF molto più fedelmente, perché la geometria era già decisa.
Cosa c'è all'interno di un file .epub?
Una zip di pagine web, con un dettaglio nella parte anteriore che rende il formato identificabile senza decomprimere nulla.
la Specifiche EPUB 3.3 richiede il mimetype file per essere il primo file nell'archivio e richiede che i creatori "non debbano comprimere o crittografare". il suo contenuto è la stringa fissa application/epub+zip. Poiché è memorizzato non compresso in un offset noto, puoi leggerlo direttamente dai byte grezzi:
# 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
Dopodiché la struttura è fissata dalle specifiche anziché dalla convenzione, che è ciò che rende possibile un convertitore:
META-INF/container.xmlSi trova su un percorso noto e nomina il documento del pacchetto. È l'unica posizione nel formato su cui puoi fare affidamento, motivo per cui ogni lettore inizia da lì.- il documento del pacchetto, di solito
content.opf, elenca ogni risorsa nel libro con un ID e un tipo di supporto, quindi fornisce il dorso: l'elenco ordinato di documenti che è l'ordine di lettura predefinito. - I capitoli sono file XHTML a cui fa riferimento quel manifest, in qualsiasi layout di directory lo strumento di pubblicazione è stato prodotto.
Quindi la conversione è: decomprimere, leggere il contenitore, leggere la colonna vertebrale, estrarre le intestazioni e i paragrafi da ogni capitolo in quell'ordine, set di tipi. Niente in quella sequenza ha bisogno di un server, motivo per cui può essere eseguito in una scheda del browser.
Cosa sopravvive alla conversione e cosa no?
Sii chiaro prima di convertire un libro a cui tieni, perché la risposta onesta è "le parole e la struttura, non il design".
| sopravvive | non sopravvive |
|---|---|
| ordine del capitolo, dalla spina dorsale | i caratteri e la tipografia dell'editore |
| titoli, a tre livelli | Interruzioni di linea e pagine esatte |
| Paragrafi, elenchi, blocchi | Immagini e figure incorporate |
| il testo stesso, entità decodificate | Collegamenti e riferimenti incrociati |
| Le dimensioni della pagina e le dimensioni del corpo | un sommario cliccabile |
La colonna caduta non è pigrizia, è la natura del lavoro. Riprodurre fedelmente lo stile di un libro riflusso come pagine fisse significa implementare un motore di layout CSS e incorporare i caratteri con licenza dell'editore, che è un prodotto di composizione piuttosto che un convertitore. Se quello che vuoi è l'edizione progettata, cerca il PDF dell'editore. Se quello che vuoi sono le parole, in ordine, sulle pagine che puoi stampare, annotare o inviare a un tablet, la conversione ti dà esattamente questo.
Un effetto collaterale dell'utilizzo dei caratteri standard PDF piuttosto che incorporare quello del libro: l'output non contiene alcun dato di carattere, quindi un romanzo di 400 pagine atterra attorno a un megabyte. Un PDF con font incorporati per lo stesso testo è di routine cinque volte quello. Ecco perché eseguire il risultato attraverso a Compressore PDF Non salva quasi nulla: non ci sono dati di immagine e nessun dato di carattere da spremere, solo testo.
Quale dimensione della pagina e dimensione del corpo dovresti scegliere?
Scegli per la destinazione e ricorda che le due impostazioni interagiscono in modo più forte di entrambi gli sguardi.
Un punto è 1/72 di pollice, quindi A4 è 595 x 842 punti, la lettera USA è 612 x 792 e A5 è 420 x 595. Il margine predefinito di 56 punti è di poco inferiore a 20 millimetri, che è il margine del libro convenzionale piuttosto che il margine del documento convenzionale.
Tre combinazioni coprono quasi tutto:
A4 a 10 o 11 punti è l'impostazione di stampa per salvare la carta. La linea è lunga, circa 90 caratteri, che è passato ciò che i tipografi considerano comodo, ma ottieni il minor numero di pagine. Usalo per il materiale di riferimento che scremerai e annoterai piuttosto che leggere da davanti a dietro.
A5 a 13 o 14 punti è l'impostazione di lettura e quella che vorrei impostazione predefinita. La misura raggiunge i 65 caratteri, che è dove la lettura sostenuta è confortevole, e il risultato sembra un tascabile. Produce più pagine e sono pagine più piccole.
Lettera americana a 12 punti è la risposta giusta quando qualcun altro in Nord America la sta stampando, per nessun altro motivo che la sua stampante è caricata con quella carta.
Le intestazioni scalano dalla dimensione del corpo anziché essere impostate in modo indipendente, a 1,7x per il livello uno, 1,4x per il livello due e 1,2x per il livello tre, quindi l'aumento delle dimensioni del corpo aumenta proporzionalmente tutto e la gerarchia regge.
Perché un'intestazione a volte salta alla pagina successiva?
Perché stava per diventare l'ultima riga di una pagina e un'intestazione separata dal testo che introduce è l'unico guasto di impaginazione che ogni lettore nota immediatamente.
La regola nel paginatore è mantenere una direzione con almeno una riga di ciò che lo segue. Quando un'intestazione più una linea del corpo non si adatta allo spazio rimanente, la pagina viene arrossata in anticipo e l'intestazione inizia quella successiva. Ecco perché un PDF convertito a volte ha una pagina che termina con due righe in breve.
I tipografi chiamano le vedove e gli orfani del problema generale e la composizione professionale va oltre, tirando le linee avanti e indietro tra le pagine per evitare una singola riga di un paragrafo bloccata da sola. Questo convertitore gestisce il caso di intestazione e non quello generale, il che è un limite deliberato: una vedova completa e un passaggio orfano devono rifluire all'indietro tra le pagine e la regola dell'intestazione cattura i lettori di guasti di cui si lamentano.
Dovresti invece convertire in testo normale?
Per un numero sorprendente di lavori, sì, ed è sia più veloce che più utile.
Il testo normale vince ogni volta che il libro verrà letto da qualcosa di diverso da una persona. Alla ricerca di un intero libro con grep. Alimentazione di capitoli a uno script. tirando le citazioni senza combattere l'ordine di una colonna di un pdf. Conteggio delle parole. Leggere in un editor su una macchina senza visualizzatore PDF. Nessuno di questi vuole i mobili di pagina e un file .txt è capitoli in ordine, separati da righe vuote e nient'altro.
È anche l'output più veloce, perché non si verifica alcun lavoro di layout. La struttura viene letta, i blocchi si appiattiscono, il file è scritto.
Quello che rinunci è tutto ciò che una pagina ti dà: intestazioni che sembrano intestazioni, un manufatto stampabile, riferimenti stabili a cui puntare. Per la lettura, PDF. Per lavorare con il testo, testo normale. La stessa divisione si applica al contrario quando hai un PDF e vuoi che le parole ne escano, che è cosa PDF in testo è per.
Perché il mio libro della biblioteca non si converte?
Perché è crittografato e nessun convertitore in esecuzione nel tuo browser può leggerlo.
Un libro preso in prestito da una biblioteca o acquistato dalla maggior parte dei principali negozi porta DRM. La struttura ePub è ancora lì, ma i documenti di contenuto sono crittografati, con le chiavi legate a un account e un'applicazione autorizzata. Il formato ha un posto per questo: META-INF/encryption.xml, che la specifica definisce come detenzione di "informazioni sulla crittografia delle risorse di pubblicazione". Un convertitore che apre un file del genere trova capitoli che non può leggere e fallisce.
Questo non è un bug aggirare e non ho intenzione di dirti come farlo. I percorsi pratici sono quelli legittimi: molti editori vendono ePub senza DRM direttamente, Project Gutenberg e gli eBook standard sono privi di DRM in base alle politiche, l'app della tua biblioteca di solito può inviare un libro a un dispositivo senza che tu converti nulla e un libro che desideri su carta spesso esiste come un'edizione PDF che l'editore vende.
Un file che è privo di DRM converte normalmente e la maggior parte di ciò che le persone devono essere convertite è già privo di DRM: un manoscritto, un libro tecnico di un editore che vende direttamente documentazione esportata come ePub, un classico di pubblico dominio.
Perché non posso convertire un mobi o un azw3?
Perché non sono archivi ZIP di pagine Web e l'intero approccio sopra dipende da questo.
Mobi, AZW, AZW3 e KFX sono formati di Amazon, costruiti su un altro lignaggio con una struttura interna diversa. Un browser può decomprimere un zip, non può aprire un database binario derivato da PalmDoc senza un parser dedicato per ogni generazione del formato. Quindi lo strumento nomina il formato anziché fallire con un errore di archiviazione confuso.
Il percorso che funziona è calibro sulla tua macchina: converti l'AZW3 in ePub lì, quindi porta l'ePub qui. Anche l'ordinamento è migliore per il risultato, perché Calibre conosce i metadati e la struttura in quei file e produce un ePub più pulito di qualsiasi conversione in un solo passaggio.
Il libro lascia la mia macchina?
no . La decompressione, l'analisi e la scrittura del PDF avvengono tutti nella scheda del browser.
Questo conta più per i libri di quanto la gente pensi. Un manoscritto inedito, una tesi sotto embargo, un manuale interno, un libro che hai una licenza da leggere ma non da ridistribuire: caricare uno qualsiasi di quelli su un sito di conversione gratuito significa consegnare una copia completa a un'azienda di cui non hai letto il modello di business. Qui non esiste una copia da consegnare, che puoi confermare nel pannello di rete DevTools durante l'esecuzione della conversione.
Il limite pratico è la memoria delle schede piuttosto che un piano, e per ePub quel limite è generoso, poiché un lungo romanzo è alcuni megabyte di XHTML compresso. I libri a layout fisso pesanti di immagini sono quelli che diventano grandi, e quelli sono anche quelli che un convertitore estrarre il testo serve meno bene.
E l'altra direzione, da PDF a EPUB?
Molto più difficile e vale la pena capire perché, perché spiega cosa contiene un PDF.
Un PDF non memorizza i paragrafi. Memorizza glifi posizionati su una pagina, raggruppati in operazioni di visualizzazione del testo che spesso si interrompono a metà parola e non devono apparire in ordine di lettura. Ricostruire i paragrafi significa dedurli dalle coordinate: questa corsa si trova al di sotto di quella con una posizione di apertura coerente, questa lacuna è un'interruzione di colonna anziché un'interruzione di paragrafo, questa riga ripetuta vicino al fondo è un piè di pagina in esecuzione piuttosto che una frase. Ogni estrattore di testo PDF sta facendo questa inferenza e ognuno di loro sbaglia un po'.
La conversione di un documento accademico a due colonne è dove mostra: l'estrazione ingenua interfoglia le colonne, producendo semisentenze alternate. Questo non è un bug in nessuno degli strumenti tanto quanto la conseguenza di un formato che registra dove va l'inchiostro e non cosa significhi l'inchiostro.
Andare in ePub in PDF è la direzione facile proprio perché la struttura è presente nella sorgente e la geometria è la cosa inventata. Tornare indietro significa inventare la struttura dalla geometria, motivo per cui i risultati sono molto più variabili. Quando tutto ciò di cui hai bisogno sono le parole, PDF in testo è lo strumento onesto e per i lavori di conservazione del layout attorno a un PDF ci sono comprimere e Conversione di parole piuttosto che un viaggio di andata e ritorno attraverso epub. la Guida al kit di strumenti PDF copre quale di questi si applica a quale problema.
Come si controlla la conversione è venuta bene?
Quattro controlli, ciascuno di circa dieci secondi, e catturano quasi tutto ciò che va storto.
Conta i capitoli. La spina dorsale dice quanti documenti ha il libro, e unzip -l book.epub li elenca. Se il PDF ha un titolo visibilmente inferiore rispetto a quello di ePub, qualcosa è stato saltato: di solito un capitolo che contiene solo un'immagine, che un estrattore di testo legge correttamente come vuoto e un lettore che si aspetta che una pagina trovi mancante.
Leggi l'ultima pagina. Il troncamento alla fine è la modalità di errore che si nasconde meglio, perché le prime cento pagine sembrano perfette. Se il libro termina a metà frase, la spina dorsale non è stata completamente camminata.
Cerca una parola dal centro. Apri il PDF, cerca una frase che conosci a metà e conferma che è lì e nel capitolo giusto. Questo rileva problemi di lettura-ordine, in cui la materia frontale contrassegnata come atterraggio ignorabile da qualche parte inaspettata.
Guarda la punteggiatura. Gli epub sono pieni di entità di carattere e un convertitore che non riesce a decodificarli lascia — oppure ’ visibile nel testo. Il convertitore qui decodifica sia le entità denominate che quelle numeriche e mappa i tratti tipografici su trattini semplici, quindi i trattini EM nella fonte escono come trattini nel PDF piuttosto che come riquadri in un carattere privo del glifo.
Se un libro fallisce tutti e quattro, di solito è DRM anziché un errore di conversione e l'errore lo avrà detto nel punto in cui hai selezionato il file.
