Imprimi um livro técnico para um voo longo uma vez e acabei com 940 páginas, porque aceitei o que o conversor oferecia e ele oferecia A4 em 11 pontos com margens estreitas. O mesmo livro na A5 e 14 pontos eram 612 páginas que pareciam um livro de bolso. Nada mudou o texto. O que mudou foi que um arquivo reflutuável não tem uma contagem de páginas até que algo decida onde as páginas caem, e a coisa que decidimos era um padrão que eu não tinha visto. Esse é o trabalho de uma conversão de EPUB em PDF, e saber que é uma decisão de composição em vez de uma cópia de arquivo informa o que esperar do resultado.
tl;dr: O EPUB é refluxo, o que significa que o livro não possui páginas próprias e o aplicativo de leitura escolhe onde as linhas e as páginas quebram com base na tela e no tamanho da fonte. O PDF é o oposto: todas as páginas já estão desenhadas. Portanto, a conversão é uma composição, não copiando, e a saída é um novo layout e não uma reprodução de um. Texto, títulos e ordem do capítulo sobrevivem. As fontes do editor, quebras de linha exatas, imagens e índices clicáveis não. o conversor de epub para pdf No Toolz.dev faz o trabalho em seu navegador, para que o livro nunca seja carregado e também ofereça texto simples, que é a melhor saída quando você deseja pesquisar ou citar em vez de ler.
Por que um EPUB não tem páginas?
Porque foi projetado para não ter nenhum, e essa foi a decisão certa para ler nas telas.
Um capítulo EPUB é XHTML. Ele carrega estrutura, ou seja, títulos, parágrafos, listas e ênfase, e quase nenhuma geometria. O sistema de leitura fornece a geometria no momento em que você a abre: a largura da tela, a fonte que você escolheu, o tamanho que você definiu, esteja você segurando o telefone na vertical. Altere o tamanho e o livro repagina. É por isso que um número de página em um e-book é instável e, em vez disso, uma porcentagem ou um local do eReaders citam uma porcentagem ou um local.
O PDF detém o contrato oposto. Cada página é uma tela fixa com texto colocado em coordenadas, e é por isso que um PDF parece o mesmo em todos os lugares e por que ler um em um telefone significa beliscar e rolar de lado.
Nenhum é melhor. Eles respondem a perguntas diferentes. A confusão surge porque ambos são "um livro em um arquivo"; portanto, converter entre eles parece trocar um wrapper, quando está mais perto de settingar um manuscrito. Há uma exceção que vale a pena conhecer: o EPUB também oferece suporte a um modo de layout fixo, usado para livros de receitas, livros infantis e quadrinhos, onde o design é o conteúdo. Esses convertem para PDF de forma muito mais fiel, porque a geometria já foi decidida.
O que está dentro de um arquivo .epub?
Um zip de páginas da web, com um detalhe na frente que torna o formato identificável sem descompactar nada.
o Especificação do EPUB 3.3 requer o mimetype Arquivo para ser o primeiro arquivo do arquivo e exige que os criadores "não devem comprimir ou criptografar" ele. Seu conteúdo é a string fixa application/epub+zip. Por ser armazenado sem compressão em um deslocamento conhecido, você pode lê-lo diretamente dos bytes brutos:
# 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
Depois disso, a estrutura é fixada pela especificação e não pela convenção, que torna possível um conversor:
META-INF/container.xmlSenta-se em um caminho conhecido e nomeia o documento do pacote. É o único local no formato em que você pode confiar, e é por isso que todos os leitores começam aí.- o documento do pacote, geralmente
content.opf, lista todos os recursos do livro com um ID e um tipo de mídia e, em seguida, fornece a coluna: a lista ordenada de documentos que é a ordem de leitura padrão. - os capítulos Os arquivos XHTML são referenciados nesse manifesto, em qualquer layout de diretório que a ferramenta de publicação produza.
Portanto, a conversão é: descompactar, ler o contêiner, ler a coluna, puxar títulos e parágrafos de cada capítulo dessa ordem, tipo. Nada nessa sequência precisa de um servidor, e é por isso que ele pode ser executado em uma guia do navegador.
O que sobrevive à conversão e o que não?
Seja claro sobre isso antes de converter um livro de seu interesse, porque a resposta honesta é "as palavras e a estrutura, não o design".
| sobrevive | não sobrevive |
|---|---|
| Ordem do capítulo, da coluna | As fontes e tipografia do editor |
| Títulos, em três níveis | Linhas exatas e quebras de página |
| Parágrafos, listas, BlockQuotes | Imagens e figuras incorporadas |
| O próprio texto, entidades decodificadas | Links e referências cruzadas de notas de rodapé |
| O tamanho da sua página e o tamanho do corpo | Um índice clicável |
A coluna descartada não é preguiça, é a natureza do trabalho. Reproduzir o estilo de um livro refluxo como páginas fixas significa fielmente a implementação de um mecanismo de layout CSS e incorporar as fontes licenciadas do editor, que é um produto de composição e não um conversor. Se o que você deseja é a edição projetada, procure o PDF do editor. Se o que você quer são as palavras, em ordem, nas páginas você pode imprimir, anotar ou enviar para um tablet, a conversão fornece exatamente isso.
Um efeito colateral de usar as fontes padrão do PDF em vez de incorporar a própria do livro: a saída não carrega dados de fonte, então um romance de 400 páginas chega a um megabyte. Um PDF com fontes incorporadas para o mesmo texto é rotineiramente cinco vezes maior do que isso. É também por isso que a execução do resultado por meio de um Compressor PDF Não guarda quase nada: não há dados de imagem e nem dados de fonte para espremer, apenas texto.
Qual tamanho de página e tamanho do corpo você deve escolher?
Escolha o destino e lembre-se de que as duas configurações interagem mais fortemente do que as aparências.
Um ponto é 1/72 de polegada, então A4 é 595 x 842 pontos, a letra dos EUA é 612 x 792 e A5 é 420 x 595. A margem padrão de 56 pontos é de pouco menos de 20 milímetros, que é a margem de livro convencional e não a margem convencional do documento.
Três combinações cobrem quase tudo:
A4 em 10 ou 11 pontos é a configuração de impressão para salvar papel. A linha é longa, em torno de 90 caracteres, o que é o que os tipógrafos consideram confortável, mas você obtém o menor número de páginas. Use-o para o material de referência que você irá roçar e anotar em vez de ler de frente para trás.
A5 em 13 ou 14 pontos é a configuração de leitura e a que eu defaulti. A medida chega perto de 65 caracteres, onde a leitura sustentada é confortável e o resultado parece uma brochura. Produz mais páginas e são páginas menores.
carta dos EUA em 12 pontos É a resposta certa quando outra pessoa na América do Norte a está imprimindo, por nenhuma razão além de que sua impressora está carregada com esse papel.
Os títulos são escalonados do tamanho do corpo em vez de serem definidos de forma independente, em 1,7x para o nível um, 1,4x para o nível dois e 1,2x para o nível três, portanto, aumentar o tamanho do corpo aumenta proporcionalmente e a hierarquia se mantém.
Por que um título às vezes salta para a próxima página?
Porque estava prestes a se tornar a última linha de uma página, e um título separado do texto que introduz é a falha de paginação que todo leitor percebe imediatamente.
A regra no paginador é manter um título com pelo menos uma linha do que se segue. Quando um rumo mais uma linha de corpo não cabe no espaço restante, a página é apagada mais cedo e o título começa o próximo. É por isso que um PDF convertido às vezes tem uma página terminando duas linhas curtas.
Os tipógrafos chamam as viúvas e órfãos do problema geral, e a composição profissional vai mais longe, puxando as linhas para frente e para trás entre as páginas para evitar uma única linha de um parágrafo encurralado por conta própria. Este conversor lida com o estojo de cabeçalho e não com o geral, o que é um limite deliberado: uma viúva completa e um passe órfão precisam refluir para trás nas páginas, e a regra de rumo percebe a falha que os leitores reclamam.
Você deve converter em texto simples?
Para um número surpreendente de empregos, sim, e é mais rápido e útil.
O texto simples vence sempre que o livro for lido por algo diferente de uma pessoa. Pesquisando um livro inteiro com grep. Alimentando capítulos para um script. Puxando aspas sem lutar contra a ordem das colunas do PDF. contando palavras. Ler em um editor em uma máquina sem visualizador de PDF. Nenhum deles deseja móveis de página e um arquivo .txt é de capítulos em ordem, separados por linhas em branco e nada mais.
É também a saída mais rápida, porque nenhum trabalho de layout acontece. A estrutura é lida, os blocos são achatados, o arquivo é escrito.
O que você desiste é tudo o que uma página oferece: títulos que parecem títulos, um artefato imprimível, referências estáveis para apontar. Para leitura, PDF. Para trabalhar com o texto, texto simples. A mesma divisão se aplica ao contrário quando você tem um PDF e deseja as palavras dele, que é o que pdf para texto é para.
Por que o livro da minha biblioteca não converte?
Porque ele é criptografado e nenhum conversor em execução no seu navegador pode lê-lo.
Um livro emprestado de uma biblioteca ou comprado na maioria das grandes lojas carrega DRM. A estrutura do EPUB ainda está presente, mas os documentos de conteúdo são criptografados, com as chaves vinculadas a uma conta e um aplicativo autorizado. O formato tem um lugar para isso: META-INF/encryption.xml, que a especificação define como "informações sobre a criptografia de recursos de publicação". Um conversor que abre esse arquivo encontra capítulos que não consegue ler e falha.
Este não é um bug para se contornar e não vou dizer como. As rotas práticas são as legítimas: muitos editores vendem epubs sem DRM diretamente, o Project Gutenberg e os e-books padrão são livres de DRM por política, o aplicativo da sua biblioteca geralmente pode enviar um livro para um dispositivo sem que você converta nada e um livro que você deseja no papel geralmente existe quando uma edição em PDF que a editora vende.
Um arquivo que não converta normalmente, e a maioria das pessoas que precisam ser convertidas já não tem DRM: um manuscrito, um livro técnico de uma editora que vende documentação direta e exportada como EPUB, um clássico de domínio público.
Por que não posso converter um MOBI ou um AZW3?
Porque eles não são arquivos ZIP de páginas da web, e toda a abordagem acima depende disso.
Mobi, AZW, AZW3 e KFX são formatos da Amazon, construídos em uma linhagem diferente com uma estrutura interna diferente. Um navegador pode descompactar um zip; ele não pode abrir um banco de dados binário derivado do PalmDoc sem um analisador dedicado para cada geração do formato. Portanto, a ferramenta nomeia o formato em vez de falhar com um erro de arquivo confuso.
A rota que funciona é calibre em sua própria máquina: converta o AZW3 para EPUB lá e traga o EPUB aqui. Esse pedido também é melhor para o resultado, porque a Calibre conhece os metadados e a estrutura desses arquivos e produz um EPUB mais limpo do que qualquer conversão em uma etapa.
O livro sai da minha máquina?
não . O descompactação, a análise e a escrita do PDF acontecem na guia do navegador.
Isso importa mais para os livros do que as pessoas supõem. Um manuscrito não publicado, uma tese em embargo, um manual interno, um livro que você tem uma licença para ler, mas não para redistribuir: enviar qualquer um deles para um site de conversão gratuito significa entregar uma cópia completa para uma empresa cujo modelo de negócios você não leu. Aqui não existe uma cópia para entregar, o que você pode confirmar no painel Rede DevTools enquanto a conversão é executada.
O limite prático é a memória de tabulação e não um plano, e para o EPUB esse limite é generoso, pois um romance longo tem alguns megabytes de XHTML compactado. Livros de layout fixo com imagens pesadas são os que ficam grandes, e também são os que um conversor de extração de texto serve menos bem.
E quanto à outra direção, PDF para EPUB?
Muito mais difícil e vale a pena entender o porquê, porque explica o que contém um PDF.
Um PDF não armazena parágrafos. Ele armazena glifos posicionados em uma página, agrupados em operações de exibição de texto que geralmente quebram a palavra no meio e não precisam aparecer em ordem de leitura. Reconstruir parágrafos significa inferir-los a partir de coordenadas: esta corrida fica abaixo daquela com uma liderança consistente, essa lacuna é uma quebra de coluna em vez de uma quebra de parágrafo, essa linha repetida perto do fundo é um rodapé em execução, em vez de uma frase. Todo extrator de texto em PDF está fazendo essa inferência, e cada um deles erra um pouco.
A conversão de um artigo acadêmico de duas colunas é onde ele mostra: a extração ingênua intercala as colunas, produzindo meias-frases alternadas. Isso não é um bug em nenhuma ferramenta, mas sim consequência de um formato que registra onde a tinta vai e não o que a tinta significa.
Ir EPUB para PDF é a direção mais fácil precisamente porque a estrutura está presente na fonte e a geometria é a coisa que está sendo inventada. Voltar significa inventar a estrutura da geometria, razão pela qual os resultados são muito mais variáveis. Quando tudo que você precisa é das palavras, pdf para texto É a ferramenta honesta e, para os trabalhos de preservação de layout em torno de um PDF, existem compressa e conversão de palavras em vez de uma viagem de ida e volta pelo EPUB. o Guia do kit de ferramentas de PDF Abrange qual deles se aplica a qual problema.
Como você verifica se a conversão saiu corretamente?
Quatro cheques, cada um com cerca de dez segundos, e eles pegam quase tudo que dá errado.
Conte os capítulos. A coluna informa quantos documentos o livro possui, e unzip -l book.epub lista-os. Se o PDF tiver menos títulos de capítulos do que o EPUB, algo foi ignorado: geralmente um capítulo contém apenas uma imagem, que um extrator de texto é lido como vazio e um leitor esperando por uma página.
Leia a última página. O truncamento no final é o modo de falha que se esconde melhor, porque as primeiras cem páginas parecem perfeitas. Se o livro terminar no meio da frase, a coluna não foi totalmente andada.
Procure uma palavra do meio. Abra o PDF, procure uma frase que você sabe que aparece no meio do caminho e confirme se está lá e no capítulo certo. Isso detecta problemas de ordem de leitura, onde a matéria frontal marcada como skippável pousa em algum lugar inesperado.
Olhe para a pontuação. Os epubs estão cheios de entidades de caracteres e um conversor que não decodifica as folhas — ou ’ visível no texto. O conversor aqui decodifica entidades nomeadas e numéricas e mapeia traços tipográficos para hifens simples de propósito, então os traços da fonte aparecem como hífens no PDF, e não como caixas em uma fonte que não possui o glifo.
Se um livro falhar em todos os quatro, geralmente é DRM em vez de uma falha de conversão, e o erro o terá dito no momento em que você selecionou o arquivo.
