Ik heb een keer een technisch boek voor een lange vlucht afgedrukt en eindigde met 940 pagina's, omdat ik accepteerde wat de converter aanbood en het bood A4 op 11 punt met smalle marges. Hetzelfde boek op A5 en 14 punt was 612 pagina's die lezen als een paperback. Er is niets aan de tekst veranderd. Wat er veranderde was dat een reflowable-bestand geen paginatelling heeft totdat iets beslist waar de pagina's vallen, en het ding dat besliste was een standaard waar ik niet naar had gekeken. Dat is de hele taak van een ePub naar PDF-conversie, en wetende dat het een zet-beslissing is in plaats van een bestandskopie, vertelt u wat u van het resultaat kunt verwachten.
tl;dr: EPUB is reflowable, wat betekent dat het boek geen eigen pagina's heeft en de lees-app kiest waar lijnen en pagina's breken op basis van uw scherm en lettergrootte. PDF is het tegenovergestelde: elke pagina is al getekend. Dus converteren is zetter, niet kopiëren, en de uitvoer is een nieuwe lay-out in plaats van een reproductie van een. Tekst, koppen en hoofdstukvolgorde overleven. De lettertypen van de uitgever, exacte regeleinden, afbeeldingen en klikbare inhoudsopgave niet. de ePub naar PDF-converter Op Toolz.dev doet het werk in uw browser, zodat het boek nooit wordt geüpload en het biedt ook platte tekst, wat de betere uitvoer is wanneer u wilt zoeken of citeren in plaats van te lezen.
Waarom heeft een ePub geen pagina's?
Omdat het was ontworpen om er geen te hebben, en dat was de juiste beslissing om op schermen te lezen.
Een ePub-hoofdstuk is XHTML. Het bevat structuur, dat wil zeggen koppen, alinea's, lijsten en nadruk, en bijna geen geometrie. Het leessysteem levert de geometrie op het moment dat u deze opent: uw schermbreedte, het lettertype dat u hebt gekozen, de grootte die u hebt ingesteld, of u de telefoon rechtop houdt. Verander de grootte en het boek reagineert. Dit is de reden waarom een paginanummer in een e-boek onstabiel is en waarom eReaders in plaats daarvan een percentage of een locatie citeren.
PDF houdt het tegenovergestelde contract. Elke pagina is een vast canvas met tekst op coördinaten, daarom ziet een PDF er overal hetzelfde uit en waarom het lezen op een telefoon betekent dat ze opzij knijpen en zijwaarts scrollen betekent.
Geen van beide is beter. Ze beantwoorden verschillende vragen. De verwarring ontstaat omdat beide "een boek in een bestand" zijn, dus het converteren ervan klinkt als het veranderen van een wrapper, wanneer het dichter bij het zetten van een manuscript is. Er is één uitzondering die het waard is om te weten: EPUB ondersteunt ook een vaste-lay-outmodus, gebruikt voor kookboeken, kinderboeken en strips waar het ontwerp de inhoud is. Die converteren naar PDF veel getrouwer, omdat de geometrie al was besloten.
Wat zit er in een .epub-bestand?
Een zip van webpagina's, met één detail aan de voorkant dat het formaat identificeerbaar maakt zonder iets uit te pakken.
de Epub 3.3 Specificatie vereist de mimetype Bestand als het eerste bestand in het archief en vereist dat makers "het niet moeten comprimeren of versleutelen" het. de inhoud ervan is de vaste tekenreeks application/epub+zip. Omdat het ongecomprimeerd is opgeslagen bij een bekende offset, kunt u het rechtstreeks uit de RAW-bytes lezen:
# 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
Daarna wordt de structuur vastgesteld door de specificatie in plaats van conventie, wat een converter überhaupt mogelijk maakt:
META-INF/container.xmlZit op een bekend pad en noemt het pakketdocument. Het is de enige locatie in het formaat waarop u kunt vertrouwen, daarom begint elke lezer daar.- Het pakketdocument, meestal
content.opf, geeft elke bron in het boek een lijst met een ID en een mediatype en geeft vervolgens de ruggengraat: de geordende lijst met documenten die de standaard leesvolgorde is. - de hoofdstukken zijn XHTML-bestanden waarnaar wordt verwezen vanuit dat manifest, in welke mapopmaak de publicatietool ook heeft geproduceerd.
Dus de conversie is: uitpakken, de container lezen, de ruggengraat lezen, koppen en alinea's uit elk hoofdstuk in die volgorde zetten, gezet. Niets in die volgorde heeft een server nodig, daarom kan deze in een browsertabblad worden uitgevoerd.
Wat overleeft de bekering en wat niet?
Wees hierover duidelijk voordat je een boek converteert waar je om geeft, want het eerlijke antwoord is "de woorden en de structuur, niet het ontwerp".
| overleeft | overleeft niet |
|---|---|
| Hoofdstukvolgorde, van de ruggengraat | De uitgeverfletters en typografie |
| Koppen, op drie niveaus | Exacte regel- en pagina-einden |
| Alinea's, lijsten, blockquotes | Ingebedde afbeeldingen en figuren |
| de tekst zelf, entiteiten gedecodeerd | Voetnoot links en kruisverwijzingen |
| Uw paginagrootte en lichaamsgrootte | Een aanklikbare inhoudsopgave |
De gedropte kolom is geen luiheid, het is de aard van het werk. Het reproduceren van een reflowable boek is getrouw het implementeren van een CSS-lay-out-engine en het inbedden van de gelicentieerde lettertypen van de uitgever, wat een zetproduct is in plaats van een converter. Als u de ontworpen editie wilt, zoek dan naar de eigen PDF van de uitgever. Als u wilt dat de woorden, in volgorde, op pagina's die u op pagina's wilt afdrukken, annoteren of naar een tablet wilt verzenden, u precies dat geeft.
Een neveneffect van het gebruik van de standaard PDF-lettertypen in plaats van het inbedden van het eigen boek: de output bevat helemaal geen lettertypegegevens, dus een roman van 400 pagina's landt rond een megabyte. Een PDF met ingesloten lettertypen voor dezelfde tekst is routinematig vijf keer dat. Dat is ook de reden waarom het resultaat door een PDF compressor Bespaart bijna niets: er zijn geen beeldgegevens en geen lettertypegegevens om in te knijpen, alleen tekst.
Welke paginagrootte en lichaamsgrootte moet u kiezen?
Kies voor de bestemming en onthoud dat de twee instellingen sterker op elkaar inwerken dan een van beide looks.
Een punt is 1/72 inch, dus A4 is 595 x 842 punten, de Amerikaanse letter is 612 x 792 en A5 is 420 x 595. De standaardmarge van 56 punten is iets minder dan 20 millimeter, wat de conventionele boekmarge is in plaats van de conventionele documentmarge.
Drie combinaties bestrijken bijna alles:
A4 op 10 of 11 punt is de instelling voor afdrukken om op te slaan. De regel is lang, ongeveer 90 tekens, wat voorbij is wat typografen comfortabel vinden, maar je krijgt de minste pagina's. Gebruik het voor referentiemateriaal dat u zult afromen en annoteren in plaats van van voren naar achteren te lezen.
A5 op 13 of 14 punt is de leesinstelling, en degene die ik zou gebruiken. De maatregel landt in de buurt van 65 tekens, waar aanhoudende lezing comfortabel is, en het resultaat ziet eruit als een paperback. Het produceert meer pagina's en het zijn kleinere pagina's.
Amerikaanse brief op 12 punt is het juiste antwoord wanneer iemand anders in Noord-Amerika het drukt, om geen andere reden dan dat zijn printer met dat papier is geladen.
Koppen schalen van de lichaamsgrootte in plaats van onafhankelijk te worden ingesteld, op 1,7x voor niveau één, 1,4x voor niveau twee en 1,2x voor niveau drie, dus het verhogen van de lichaamsgrootte verhoogt alles in verhouding en de hiërarchie houdt stand.
Waarom springt een kop soms naar de volgende pagina?
Omdat het op het punt stond de laatste regel op een pagina te worden, en een kop gescheiden van de tekst die het introduceert, is de enige pagineringsfout die elke lezer onmiddellijk opmerkt.
De regel in de Paginator is om een kop te houden met ten minste één regel van wat er volgt. Wanneer een kop plus één lichaamslijn niet in de resterende ruimte past, wordt de pagina vroeg gespoeld en begint de kop de volgende. Daarom heeft een geconverteerde PDF soms een pagina die twee regels kort beëindigt.
Typografen noemen de algemene probleemweduwen en wezen, en professioneel zetwerk gaat verder en trekt lijnen heen en weer tussen pagina's om te voorkomen dat een enkele regel van een paragraaf die op zichzelf is gestrand. Deze converter behandelt de kopzaak en niet de algemene, wat een opzettelijke limiet is: een volledige weduwe en weespas moet achteruit over pagina's terugstromen, en de kopregel betrapt de fout waarover lezers klagen.
Moet u in plaats daarvan converteren naar platte tekst?
Voor een verrassend aantal banen, ja, en het is zowel sneller als nuttiger.
Platte tekst wint wanneer het boek door iets anders dan een persoon wordt gelezen. een heel boek zoeken met grep. hoofdstukken aan een script doorgeven. Quotes trekken zonder te vechten tegen een kolomvolgorde van PDF's. woorden tellen. Lezen in een editor op een machine zonder PDF-viewer. Geen van die willen Page Furniture en een .txt-bestand zijn hoofdstukken in volgorde, gescheiden door lege regels, en niets anders.
Het is ook de snelste uitvoer, omdat er helemaal geen lay-outwerk plaatsvindt. De structuur wordt gelezen, de blokken zijn afgeplat, het bestand is geschreven.
Wat je opgeeft is alles wat een pagina je geeft: koppen die eruitzien als koppen, een afdrukbare artefact, stabiele verwijzingen naar wijzen. Voor het lezen, pdf. Voor het werken met de tekst, platte tekst. Dezelfde splitsing is omgekeerd van toepassing wanneer je een PDF hebt en de woorden eruit wilt hebben, wat is wat pdf naar tekst is voor.
Waarom wordt mijn bibliotheekboek niet geconverteerd?
Omdat het gecodeerd is en geen enkele converter die in uw browser draait, het kan lezen.
Een boek dat is geleend uit een bibliotheek of gekocht bij de meeste grote winkels heeft DRM. De EPUB-structuur is er nog steeds, maar de inhoudsdocumenten zijn versleuteld, waarbij de sleutels zijn gekoppeld aan een account en een geautoriseerde aanvraag. Het formaat heeft hier een plaats voor: META-INF/encryption.xml, waarvan de specificatie definieert als het houden van "Informatie over de versleuteling van publicatiebronnen. Een converter die zo'n bestand opent, vindt hoofdstukken die het niet kan lezen en mislukt.
Dit is geen bug om te omzeilen en ik ga je niet vertellen hoe dat moet. De praktische routes zijn de legitieme: veel uitgevers verkopen DRM-vrije ePubs rechtstreeks, Project Gutenberg en standaard eBooks zijn DRM-vrij door beleid, de app van uw bibliotheek kan meestal een boek naar een apparaat sturen zonder dat u iets converteert, en een boek dat u op papier wilt, bestaat vaak als een PDF-editie die de uitgever verkoopt.
Een bestand dat vrij is van DRM, converteert normaal, en de meeste van wat mensen nodig hebben om te converteren, is al DRM-vrij: een manuscript, een technisch boek van een uitgever dat directe, documentatie die wordt geëxporteerd als EPUB, een klassieker uit het publieke domein.
Waarom kan ik een Mobi of een AZW3 niet converteren?
Omdat het geen zip-archieven van webpagina's zijn, en de hele benadering hierboven hangt daarvan af.
Mobi, AZW, AZW3 en KFX zijn de eigen formaten van Amazon, gebouwd op een andere lijn met een andere interne structuur. Een browser kan een zip uitpakken; het kan geen van Palmdoc afgeleide binaire database openen zonder een speciale parser voor elke generatie van het formaat. Dus de tool noemt het formaat in plaats van te falen met een verwarrende archieffout.
De route die werkt is kaliber op uw eigen machine: converteer de AZW3 naar EPUB daar en breng dan de ePub hier. Die bestelling is ook beter voor het resultaat, omdat Calibre op de hoogte is van de metadata en structuur in die bestanden en een schonere ePub produceert dan welke conversie in één stap dan ook.
Laat het boek mijn machine achter?
heel weinig . Het uitpakken, het ontleden en het schrijven van PDF's gebeuren allemaal in het tabblad Browser.
Dat is belangrijker voor boeken dan mensen aannemen. Een ongepubliceerd manuscript, een proefschrift onder embargo, een intern handboek, een boek dat u moet lezen, maar niet om opnieuw te distribueren: uploaden naar een gratis conversiesite betekent het overhandigen van een compleet exemplaar aan een bedrijf waarvan u het bedrijfsmodel niet hebt gelezen. Hier is geen kopie te overhandigen, die u kunt bevestigen in het DevTools-netwerkpaneel terwijl de conversie wordt uitgevoerd.
De praktische limiet is tab-geheugen in plaats van een plan, en voor ePub is die limiet genereus, aangezien een lange roman een paar megabytes van gecomprimeerde XHTML is. Afbeeldingzware vaste-lay-outboeken zijn de boeken die groot worden, en dat zijn ook degenen die een tekstuitpakkende converter het minst goed serveert.
Hoe zit het met de andere richting, pdf naar epub?
Veel moeilijker en het waard om te begrijpen waarom, omdat het uitlegt wat een PDF bevat.
Een PDF slaat geen alinea's op. Het slaat glyphs op die op een pagina zijn gepositioneerd, gegroepeerd in tekstweergave-bewerkingen die vaak halverwege het woord breken en niet in leesvolgorde hoeven te verschijnen. Het reconstrueren van alinea's betekent ze afleiden uit coördinaten: deze run ligt onder die van een consistente voorsprong, deze kloof is een kolombreuk in plaats van een alinea-breuk, deze herhaalde regel onderaan is een doorlopende voettekst in plaats van een zin. Elke PDF-tekstextractor doet die gevolgtrekking, en elk van hen begrijpt een deel ervan verkeerd.
Het omzetten van een academische paper met twee kolommen is waar het laat zien: naïeve extractie vervlecht de kolommen en produceert afwisselende halve zinnen. Dat is in geen enkel hulpmiddel zozeer een bug als wel het gevolg van een formaat dat vastlegt waar inkt naartoe gaat en niet wat de inkt betekent.
Epub naar PDF gaan is de gemakkelijke richting, juist omdat de structuur aanwezig is in de bron en de geometrie het ding is dat wordt uitgevonden. Teruggaan betekent de structuur uitvinden uit geometrie, en daarom zijn de resultaten zoveel meer variabel. Wanneer je alleen de woorden nodig hebt, pdf naar tekst is de eerlijke tool, en voor de lay-outbehoudende taken rond een PDF zijn er samenpersen en Woordconversie in plaats van een rondreis door epub. de PDF-toolkitgids dekt welke van die van toepassing zijn op welk probleem.
Hoe controleer je of de conversie goed is uitgekomen?
Vier cheques, elk ongeveer tien seconden, en ze vangen bijna alles wat er mis gaat.
Tel de hoofdstukken. De ruggengraat zegt hoeveel documenten het boek heeft, en unzip -l book.epub lijsten ze op. Als de PDF zichtbaar minder hoofdstukkoppen heeft dan de ePub inhoudsdocumenten heeft, is er iets overgeslagen: meestal een hoofdstuk dat alleen een afbeelding bevat, dat een tekstextractor correct leest als leeg en een lezer die een pagina verwacht ontbreekt.
Lees de laatste pagina. Afknotting aan het einde is de faalmodus die het beste verbergt, omdat de eerste honderd pagina's er perfect uitzien. Als het boek halverwege de zin eindigt, werd de ruggengraat niet volledig gelopen.
Zoek een woord uit het midden. Open de PDF, zoek naar een zin die u kent halverwege verschijnt en bevestig dat deze zich daar en in het juiste hoofdstuk bevindt. Dit vat problemen op in de leesvolgorde, waarbij de voormaterie gemarkeerd als skipable landt ergens onverwachts.
Kijk naar de interpunctie. EPUB's zitten vol met karakter-entiteiten en een converter die ze niet decodeert, laat — of ’ zichtbaar in de tekst. De converter decodeert hier zowel benoemde als numerieke entiteiten, en wijst typografische streepjes toe aan gewone koppeltekens, dus em streepjes in de bron komen uit als koppeltekens in de PDF in plaats van als vakjes in een lettertype dat de glyph mist.
Als een boek alle vier mislukt, is het meestal DRM in plaats van een conversiefout, en de fout zal dat hebben gezegd op het punt dat u het bestand hebt geselecteerd.
