技術書を長時間飛行するために一度印刷したところ、940 ページになってしまいました。なぜなら、コンバーターが提供するものは何でも受け入れ、狭いマージンで 11 ポイントで A4 を提供したからです。 A5 と 14 ポイントの同じ本は、ペーパーバックのように読める 612 ページでした。 テキストは何も変わっていません。 変更されたのは、リフロー可能なファイルには、ページがどこに落ちるかを決定するまでページ数がなく、決定するのは、私が見ていないデフォルトであるということでした。 これは、EPUB から PDF への変換のすべての仕事であり、それがファイル コピーではなくタイプセットの決定であることを知っていると、結果から何を期待できるかがわかります。
tl;dr: EPUB はリフロー可能です。つまり、本にはページがなく、閲覧アプリは、画面とフォントのサイズに基づいて、行やページが壊れる場所を選択します。 PDF は逆です。すべてのページがすでに描画されています。 つまり、変換はコピーではなくタイプ設定であり、出力は 1 つを複製するのではなく、新しいレイアウトです。 テキスト、見出し、章の順序は生き残る。 出版社のフォント、正確な改行、画像、クリック可能な目次は、そうではありません。 ザ・ EPUB から PDF へのコン Toolz.dev では、ブラウザーで本がアップロードされることはなく、プレーン テキストも提供されます。これは、読むよりも検索や引用をしたい場合に優れた出力です。
EPUB にページがないのはなぜですか?
何も持たないように設計されていたので、それは画面上で読むための正しい決断だったからです。
EPUB の章は XHTML です。 構造、つまり見出し、段落、リスト、強調を持ち、ほとんどジオメトリはありません。 読み取りシステムは、開いた瞬間にジオメトリを提供します。画面の幅、選択したフォント、設定したサイズ、電話を直立させた状態にするかどうか。 サイズを変更すると、本が再作成されます。 これが、電子書籍のページ番号が不安定である理由、電子書籍リーダーが代わりにパーセンテージまたは場所を引用する理由です。
PDF は逆の契約を保持します。 すべてのページは、テキストが座標に配置された固定キャンバスであり、PDF はどこでも同じように見えます。携帯電話で PDF を読むと、ピンチして横にスクロールすることを意味します。
どちらも良いです。 彼らはさまざまな質問に答えます。 どちらも「ファイル内の本」であるため、混乱が生じます。そのため、原稿の組版に近い場合、ラッパーを変更するように聞こえます。 知っておく価値のある例外が 1 つあります。EPUB は、料理本、子供向けの本、デザインがコンテンツであるコミックに使用される固定レイアウト モードもサポートしています。 ジオメトリはすでに決定されているため、それらはより忠実に PDF に変換されます。
.epub ファイルの中身は何ですか?
何も解凍せずにフォーマットを識別できるようにする、前面に 1 つの詳細を含む Web ページの ZIP 。
ザ・ EPUB 3.3 仕様 が必要 mimetype ファイルはアーカイブ内の最初のファイルであり、作成者は「圧縮または暗号化してはならない」必要があります。 その内容は固定文字列です application/epub+zip。 既知のオフセットで圧縮されていない状態で格納されるため、生のバイトから直接読み取ることができます。
# 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
その後、構造は慣例ではなく仕様によって固定されます。これにより、コンバータをまったく可能にします。
META-INF/container.xml既知のパスに配置され、パッケージ ドキュメントの名前が付けられます。 信頼できる形式の唯一の場所であるため、すべての読者がそこから始めます。- パッケージ文書、通常は
content.opf、ブック内のすべてのリソースを ID とメディア タイプでリストし、背表に指定したドキュメントの順序をデフォルトの読み取り順序とします。 - 章 公開ツールがたまたま生成したディレクトリ レイアウトで、そのマニフェストから参照される XHTML ファイルです。
つまり、変換は次のとおりです。解凍してコンテナを読み取り、背骨を読み取り、見出しと段落を各章のタイプセットの順にプルします。 その順序でサーバーは必要ありません。そのため、ブラウザー タブで実行できます。
変換を生き残るものとそうでないものは何ですか?
気になる本を変換する前に、これについて明確にしてください。正直な答えは「デザインではなく、言葉と構造」です。
| 生き残る | 生き残れない |
|---|---|
| 背骨からの章の順序 | 出版社のフォントとタイポグラフィ |
| 見出し、3 つのレベル | 正確な改行と改ページ |
| 段落、リスト、ブロッククォート | 埋め込み画像と図 |
| テキスト自体、デコードされたエンティティ | 脚注リンクと相互参照 |
| あなたのページ サイズと本文のサイズ | クリック可能な目次 |
ドロップされた列は怠惰ではなく、仕事の性質です。 リフロー可能な書籍のスタイリングを固定ページとして忠実に再現するということは、CSS レイアウト エンジンを実装し、コンバーターではなくタイプ設定製品である、発行元のライセンス フォントを埋め込むことを意味します。 必要なものがデザイン版である場合は、発行元の PDF を探します。 必要なのが単語である場合、印刷、注釈、タブレットに送信できるページで、変換によって正確にそれが得られます。
本の独自のフォントではなく、PDF 標準フォントを使用することによる副作用: 出力にはフォント データがまったくないため、400 ページの小説は約 1 メガバイトに達します。 同じテキストにフォントが埋め込まれた PDF は、通常、その 5 倍になります。 それが、結果を実行する理由でもあります。 PDF コンプレッサー ほとんど何も保存しない: 画像データもフォント データもスクイーズするだけで、テキストのみを表示します。
どのページ サイズとボディ サイズを選ぶべきですか?
宛先を選択し、2 つの設定はどちらかの外観よりも強く相互作用することを覚えておいてください。
ポイントは 1/72 インチなので、A4 は 595 x 842 ポイント、US レターは 612 x 792、A5 は 420 x 595 です。 デフォルトの 56 ポイントのマージンは 20 ミリメートル弱で、従来のドキュメント マージンではなく、従来の本のマージンです。
3 つの組み合わせがほぼすべてをカバーします。
A4 10 または 11 ポイント 印刷から保存するための設定です。 線は長く、90 文字前後で、タイポグラファーが快適だと考えるものを超えていますが、ページは最も少なくなります。 前から後ろに読むのではなく、スキミングして注釈を付ける参考資料に使用してください。
A5 13 または 14 ポイント は読み取り設定で、デフォルトの設定です。 メジャーは 65 文字近くに達し、持続的な読書が快適な場所であり、結果はペーパーバックのように見えます。 より多くのページを生成し、それらはより小さなページです。
12 点の米国の手紙 北米の他の誰かが印刷している場合、そのプリンタにその用紙がロードされている以外の理由はないので、正解です。
ヘッディングは、独立して設定するのではなく、ボディ サイズからスケールします。レベル 1 の場合は 1.7 倍、レベル 2 の場合は 1.4 倍、レベル 3 では 1.2 倍です。したがって、ボディ サイズを上げると、すべてが比例して上昇し、階層が保持されます。
見出しが次のページにジャンプすることがあるのはなぜですか?
ページの最後の行になろうとしていたため、それが導入するテキストと区切られた見出しは、すべての読者がすぐに気付くページネーションの障害です。
ページネータのルールは、それに続くものの少なくとも 1 行の見出しを維持することです。 見出しと 1 つの本文が残りのスペースに収まらない場合、ページは早くフラッシュされ、次のページが開始されます。 そのため、変換された PDF には、2 行の短いページで終わるページがある場合があります。
タイポグラファーは、一般的な問題を未亡人と孤児と呼び、専門的なタイプ設定をさらに進め、段落の 1 行が単独で取り込まれないようにページ間を前後に引っ張ります。 このコンバータは、一般的なケースではなく、意図的な制限ではなく、ヘディング ケースを処理します。完全な未亡人と孤児のパスは、ページ全体で逆流する必要があり、ヘディング ルールは、リーダーが不満を言う問題をキャッチします。
代わりにプレーン テキストに変換する必要がありますか?
驚くほど多くの仕事をするなら、そうです、それはより速く、より便利です。
本が人以外の何かによって読まれようとするときは、テキストでプレーンなテキストが勝ちます。 本全体を検索する grep。 章をスクリプトにフィードします。 PDF の列順に戦わずに引用符を引く。 言葉を数える。 PDF ビューアのないマシンでエディターで読み取る。 どれもページの家具を必要としない。.txt ファイルは、空白行で区切られた順に章を並べて表示するだけである。
レイアウト作業がまったく行われないため、これは最速の出力でもあります。 構造が読み取られ、ブロックが平坦化され、ファイルが書き込まれます。
あなたがあきらめるのは、ページがあなたに与えるすべてのものです: 見出しのような見出し、印刷可能なアーティファクト、ポイントへの安定した参照。 読むために、PDF。 テキストを操作するため、プレーン テキスト。 PDF を持っていて、そこから単語を出したい場合、同じ分割が逆に適用されます。 PDF からテキストへ のためです。
図書館の本が変換されないのはなぜですか?
暗号化されており、ブラウザーで実行されているコンバーターが読み取れないためです。
図書館から借りた本、またはほとんどの主要店で購入した本は、DRM を運びます。 EPUB 構造はまだ存在しますが、コンテンツ ドキュメントは暗号化され、キーはアカウントと承認されたアプリケーションに関連付けられています。 フォーマットには、次のような場所があります。 META-INF/encryption.xml、仕様は、「公開リソースの暗号化に関する情報」を保持するものとして定義されています。 このようなファイルを開くコンバーターは、読み取れない章を見つけて失敗します。
これは回避するバグではありません。方法については説明しません。 実用的なルートは正当なものです。多くの出版社は DRM のないエプパを直接販売しています。プロジェクト グーテンベルグや標準電子書籍はポリシーによって DRM なしです。ライブラリーのアプリは、通常、何も変換せずに本をデバイスに送信できます。また、紙に書きたい本は、出版社が販売する PDF 版として存在することがよくあります。
DRM フリーのファイルは通常どおり変換され、ほとんどの人が変換する必要があるものは、すでに DRM フリーです。原稿、直接的なドキュメントを販売する出版社からのテクニカル ブックで、ePub としてエクスポートされた、パブリック ドメインのクラシックです。
Mobi や AZW3 を変換できないのはなぜですか?
それらは Web ページの Zip アーカイブではないため、上記のアプローチ全体はそれに依存します。
Mobi、AZW、AZW3、KFX は、異なる内部構造を持つ異なる系統に基づいて構築された、Amazon 独自のフォーマットです。 ブラウザーは Zip を解凍できます。この形式の各世代の専用パーサーがなければ、PalmDoc から派生したバイナリ データベースを開くことはできません。 したがって、ツールは、混乱を招くアーカイブ エラーで失敗するのではなく、フォーマットに名前を付けます。
動作するルートは、自分のマシンでキャリバーを使用しています。AZW3 を EPUB に変換してから、EPUB をここに持ってきてください。 Calibre は、これらのファイルのメタデータと構造を認識しており、1 段階の変換よりもクリーンな EPUB を生成するため、その順序付けの方が良いと思います。
本は私のマシンから離れますか?
いやー 。 解凍、解析、PDF の書き込みはすべて [ブラウザ] タブで行われます。
それは、人々が想定しているよりも本にとって重要です。 未発表の原稿、禁輸措置の下での論文、内部ハンドブック、読み書きができない本。無料の変換サイトにアップロードするということは、未読の企業に完全なコピーを渡すことを意味します。 ここでは、変換の実行中に DevTools ネットワーク パネルで確認できるコピーがありません。
実用的な制限は計画ではなくタブ メモリであり、長い小説は数メガバイトの圧縮された XHTML であるため、EPUB の場合は寛大です。 画像の多い固定レイアウトの本は大きくなるものであり、それらはテキスト抽出コンバータが最もうまく機能しないものでもあります。
別の方向、PDF から EPUB はどうですか?
PDF に含まれる内容を説明しているため、はるかに難しく、その理由を理解する価値があります。
PDF には段落は保存されません。 ページ上に配置されたグリフを保存して、単語の途中で壊れることが多く、読み込み順序で表示する必要のないテキスト表示操作にグループ化されます。 段落を再構成するということは、座標から推測することを意味します。このランは、一貫したリードを持つものの下に位置し、このギャップは段落区切りではなく、列の区切りであり、下部の近くで繰り返されるこの繰り返しの行は、文ではなく実行フッターです。 すべての PDF テキスト抽出機能はその推論を行っており、それらのすべてが間違っています。
2 列の学術論文を変換すると、次のようになります。ナイーブ抽出は列をインターリーブし、交互の半文を生成します。 これは、インクがどこにあるかを記録する形式の結果であり、インクの意味ではないという、どのツールでもバグではありません。
EPUB から PDF に移行するのは、構造がソースに存在し、ジオメトリが発明されているため、簡単な方向性です。 戻るということは、構造を幾何学から発明することを意味します。そのため、結果はより多様になります。 必要なのは言葉だけです。 PDF からテキストへ は正直なツールであり、PDF の周りにレイアウトを保存するジョブには、 圧縮する あんど ワード変換 EPUB を巡回するのではなく。 ザ・ PDF ツールキット ガイド どの問題に当てはまるかについて説明します。
どのように変換が正しく行われたかを確認しますか?
4 回のチェックで、それぞれ約 10 秒で、ほとんどすべての機能が問題になってしまうのを捕まえます。
章を数えます。 背骨には、本に何枚の文書があるかが書かれ、 unzip -l book.epub それらをリストします。 EPUB にコンテンツ ドキュメントがある場合よりも PDF の章の見出しが目に見えて少ない場合、何かがスキップされました。通常、画像のみを保持するチャプターがあります。この章は、テキスト抽出器が空として正しく読み取れ、ページが不足していると期待する読者が不足していると判断します。
最後のページを読んでください。 最後の 100 ページが完璧に見えるため、最後に切り捨てが最もよく隠れる障害モードです。 本が文の途中で終わると、背骨は完全には歩きませんでした。
真ん中から単語を検索します。 PDF を開き、途中で表示されるフレーズを検索し、そこにあると正しい章にあることを確認します。 これは、スキップ可能な土地としてマークされた前面が予期しない場所である、読み順の問題を見つけます。
句読点を見てください。 EPUB は文字エンティティでいっぱいで、デコードに失敗するコンバーターの葉 — や ’ テキストで表示されます。 ここでのコンバーターは、名前付きエンティティと数値エンティティの両方をデコードし、タイポグラフィのダッシュを意図的にプレーン ハイフンにマッピングするため、ソース内の em ダッシュは、グリフのないフォントのボックスとしてではなく、PDF 内のハイフンとして表示されます。
ブックが 4 つすべてに失敗した場合、通常は変換障害ではなく DRM であり、ファイルを選択した時点でエラーが発生します。
