Однажды я напечатал техническую книгу для длительного полета и в итоге получил 940 страниц, потому что я принял все, что предложил конвертер, и он предложил A4 с узким запасом. Та же книга на A5 и 14 Point состояла из 612 страниц, которые читаются как мягкая обложка. Ничего в тексте не изменилось. Что изменилось, так это то, что у перезагружаемого файла нет подсчета страниц, пока что-то не решит, где падут страницы, и решать, что это было по умолчанию, на которое я не смотрел. Это вся работа преобразования ePub в PDF, и знание того, что это решение, а не копия файла, говорит вам, чего ожидать от результата.
TL;DR: EPUB перезагружается, что означает, что в книге нет собственных страниц, а приложение для чтения выбирает, где строки и страницы ломаются в зависимости от размера вашего экрана и шрифта. PDF — наоборот: каждая страница уже нарисована. Таким образом, преобразование — это набор, а не копирование, а выход — это новый макет, а не воспроизведение его. Текст, заголовки и порядок главы выживают. Шрифты издателя, точные разрывы строк, изображения и кликабельное оглавление не делают. выше Конвертер ePub в PDF На Toolz.dev выполняется работа в вашем браузере, поэтому книга никогда не загружается, и она также предлагает обычный текст, который является лучшим результатом, когда вы хотите искать или цитировать, а не читать.
Почему у epub нет страниц?
Потому что он был разработан, чтобы его не было, и это было правильное решение для чтения на экранах.
Глава epub — это xhtml. Он несет в себе структуру, то есть заголовки, абзацы, списки и акценты, и почти без геометрии. Система считывания обеспечивает геометрию в момент открытия: ширина экрана, выбранный вами шрифт, установленный вами размер, независимо от того, держите ли вы телефон в вертикальном положении. Измените размер и книга перезапустится. Вот почему номер страницы в электронной книге нестабильный, а почему электронные книги указывают процент или местоположение.
PDF содержит противоположный контракт. Каждая страница представляет собой фиксированный холст с текстом, помещенным в координаты на ней, поэтому PDF-файл выглядит одинаково везде, а чтение на телефоне означает щипание и прокрутку вбок.
Ни то, ни другое не лучше. Они отвечают на разные вопросы. Путаница возникает из-за того, что оба являются «книгой в файле», поэтому преобразование между ними звучит как изменение оболочки, когда она ближе к набору рукописи. Есть одно исключение, которое стоит знать: epub также поддерживает режим фиксированной компоновки, используемый для кулинарных книг, детских книг и комиксов, где дизайн — это контент. Те, кто конвертируют в PDF, гораздо более точно, потому что геометрия уже была решена.
Что находится внутри файла .epub?
ZIP веб-страниц с одной детали спереди, что делает формат опознаваемым, не распаковывая ничего.
выше ePUB 3.3 Спецификация требует mimetype Файл должен быть первым файлом в архиве и требует, чтобы создатели "не должны сжимать или шифровать" его. Его содержимое является фиксированной строкой application/epub+zip, йо- Поскольку он хранится в несжатом виде при известном смещении, вы можете читать его прямо из необработанных байтов:
# 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
После этого структура фиксируется скорее спецификой, а не по соглашению, что делает возможным вообще преобразователь:
META-INF/container.xmlСидит по известному пути и называет пакет документов. Это единственное место в формате, на которое вы можете положиться, поэтому каждый читатель начинает с него.- Пакетный документ, обычно
content.opf, перечисляет каждый ресурс в книге с идентификатором и типом носителя, а затем дает корешок: упорядоченный список документов, который является по умолчанию для чтения. - главы Ссылки на XHTML-файлы, на которые ссылаются из этого манифеста, в любом макете каталога, который был создан инструмент публикации.
Таким образом, преобразование таково: разархивируйте, прочитайте контейнер, прочитайте корешок, вытяните заголовки и абзацы из каждой главы в этом порядке, напечатайте. Ничто в этой последовательности не нуждается в сервере, поэтому он может работать на вкладке браузера.
Что выживает после преобразования, а что нет?
Будьте ясны, прежде чем конвертировать книгу, которая вам небезразлична, потому что честный ответ — это слова и структура, а не дизайн.
| выживает | не выживает |
|---|---|
| Порядок главы, из позвоночника | Шрифты и типографика издателя |
| Заголовки, на трех уровнях | Точная линия и разрывы страниц |
| абзацы, списки, цитаты | Встроенные изображения и фигуры |
| Сам текст, сущности, декодированные | Ссылки на сноски и перекрестные ссылки |
| Размер вашей страницы и размер тела | кликабельная оглавление |
Выпавшая колонна не лень, это характер работы. Воспроизведение стиля книги «Перепродувная» в виде фиксированных страниц означает, что реализуется движок компоновки CSS и встраивается лицензионные шрифты издателя, который является продуктом, а не конвертером. Если вам нужно разработанное издание, найдите собственный PDF-файл издателя. Если вам нужны слова, чтобы на страницах, которые вы можете печатать, аннотировать или отправить на планшет, преобразование дает вам именно это.
Один побочный эффект использования стандартных шрифтов PDF, а не встраивание собственной книги: вывод вообще не содержит данных о шрифтах, поэтому 400-страничная романа окунётся в мегабайт. PDF со встроенными шрифтами для одного и того же текста обычно в пять раз больше. Именно поэтому проведение результата через компрессор PDF Почти ничего не сохраняет: нет данных изображения и нет данных шрифта, чтобы сжать, есть текст.
Какой размер страницы и размер тела выбрать?
Выберите пункт назначения и помните, что эти две настройки взаимодействуют сильнее, чем любой внешний вид.
Точка 1/72 дюйма, а A4 — 595 x 842 точки, буква США — 612 x 792, а A5 — 420 x 595. Маржа по умолчанию в 56 пунктов составляет чуть менее 20 миллиметров, что является обычной маржей книг, а не обычной маржой документа.
Три комбинации охватывают практически все:
A4 в 10 или 11 баллов Настройка печати в сохранение. Линия длинная, около 90 символов, что уже не в том, что типографисты считают удобными, но вы получаете наименьшее количество страниц. Используйте его для справочного материала, который вы будете писать, а аннотировать, а не читать спереди назад.
A5 в 13 или 14 баллах это настройка чтения, и то, что я бы по умолчанию. Мера приземляется около 65 символов, где устойчивое чтение удобно, и результат выглядит как бумажная обложка. Он производит больше страниц, и это меньшие страницы.
Письмо США в 12 пунктах является правильным ответом, когда его печатает кто-то еще в Северной Америке, по одной иной причине, кроме того, что их принтер загружен этой бумагой.
Заголовки масштабируются по размеру тела, а не устанавливаются независимо, 1,7x для первого уровня, 1,4x для второго уровня и 1,2x для третьего уровня, поэтому поднятие размера тела поднимает все пропорционально, и иерархия держится.
Почему заголовок иногда переходит на следующую страницу?
Поскольку он вот-вот должен был стать последней строкой на странице, а заголовок, отделенный от текста, который он вносит, является одной ошибкой страниц, которую каждый читатель сразу замечает.
Правило в пагинаторе состоит в том, чтобы держать заголовок хотя бы с одной строкой из того, что следует за ним. Когда в оставшемся пространстве не помещается заголовок плюс одна линия тела, страница сбрасывается рано, а заголовок начинается с следующей. Вот почему в преобразованном PDF-файле иногда страница, заканчивающаяся короткими строками.
Типографы называют общую проблему вдов и сирот, а профессиональная наборная верста идет дальше, протягивая линии между страницами, чтобы избежать одной строки абзаца, застрявшего сам по себе. Этот конвертер обрабатывает заголовок, а не общий, что является преднамеренным пределом: полный вдова и сиротский проход должны перепродаваться по страницам, и правило заголовка улавливает жалкие ошибки.
Стоит ли вместо этого конвертировать в обычный текст?
Для удивительного количества рабочих мест, да, и это и быстрее, и полезнее.
Обычный текст выигрывает всякий раз, когда книгу читает что-то, кроме человека. поиск целой книги с grep, йо- Подкормка главы к скрипту. Вытягивание цитат без борьбы с порядком колонок в формате PDF. Считая слова. Чтение в редакторе на машине без просмотра PDF. Ни одна из них не хочет, чтобы страниц-мебель, а файл .txt — это главы по порядку, разделенные пустыми строками и ничего больше.
Это также самый быстрый выход, потому что никакие работы по макету вообще не происходят. Структура читается, блоки сплющены, файл записывается.
От чего вы отказываетесь, так это от всего, что дает вам страница: заголовки, похожие на заголовки, печатный артефакт, стабильные ссылки на то, что нужно. Для чтения, PDF. Для работы с текстом, обычный текст. То же самое разделение применяется в обратном порядке, когда у вас есть PDF-файл и вы хотите, чтобы из него были выведены слова, что и есть то, что PDF в текст есть за.
Почему моя библиотечная книга не конвертируется?
Потому что он зашифрован, и ни один конвертер, работающий в вашем браузере, не может его прочитать.
Книга, заимствованная из библиотеки или купленная в большинстве крупных магазинов, содержит DRM. Структура epub все еще существует, но документы содержимого шифруются, ключи привязаны к учетной записи и авторизованному приложению. В формате есть место для этого: META-INF/encryption.xml, который спецификация определяет как хранение «информация о шифровании ресурсов публикации». Конвертор, открывающий такой файл, находит главы, которые он не может прочитать, и не срабатывает.
Это не ошибка, которую нужно обойти, и я не собираюсь указывать вам, как это сделать. Практические маршруты являются законными: многие издатели продают ePub-бесплатные DRM напрямую, проект Gutenberg и стандартные электронные книги не содержат DRM, приложение вашей библиотеки обычно может отправить книгу на устройство, не преобразовывая ничего, и книга, которую вы хотите на бумаге, часто существует в формате PDF, которую продает издатель.
Файл, который не содержит DRM, обычно преобразует, и большинство из того, что нужно людям, уже не конвертирует DRM: рукопись, техническая книга от издателя, которая продает прямые, документы, экспортированные как epub, классика общественного достояния.
Почему я не могу конвертировать MOBI или AZW3?
Потому что они не являются ZIP-архивами веб-страниц, и от этого зависит весь подход выше.
MOBI, AZW, AZW3 и KFX — это собственные форматы Amazon, построенные на другой линии с другой внутренней структурой. Браузер может распаковать ZIP-файл, он не может открыть двоичную базу данных, полученную на основе Palmdoc, без выделенного парсера для каждого поколения формата. Таким образом, инструмент именует формат, а не терпит неудачу с запутанной архивной ошибкой.
Маршрут, который работает, калибруется на вашей собственной машине: конвертируйте AZW3 в EPUB, затем приведите epub сюда. Этот порядок также лучше для результата, потому что Calibre знает о метаданных и структуре в этих файлах и создает более чистый epub, чем любое одношаговое преобразование.
книга покидает мою машину?
нет , йо- Распаковка, синтаксический анализ и запись PDF — все происходит на вкладке «Браузер».
Для книг это важнее, чем люди предполагают. Неопубликованная рукопись, тезис по эмбарго, внутреннее справочник, книга, которую вы можете прочитать, но не перераспределить: загрузка любого из них на бесплатный сайт преобразования означает передачу полной копии компании, бизнес-модель которой вы не прочитали. Здесь не существует копии, которую вы можете подтвердить на панели DevTools Network во время преобразования.
Практический предел — это память вкладок, а не план, и для epub этот лимит щедр, поскольку длинный роман — это несколько мегабайт сжатого XHTML. Книги с фиксированной схемой изображения — это те, которые становятся большими, и они также являются теми, которые конвертер, извлекающий текст, служит наименее.
Как насчет другого направления, PDF в Epub?
Гораздо сложнее и стоит понять почему, потому что он объясняет, что содержит PDF-файл.
PDF не хранит абзацы. Он хранит глифы, расположенные на странице, сгруппированные в операции с текстом, которые часто ломаются в середине слова и не должны появляться в порядке чтения. Реконструирование абзацев означает вывод их из координат: этот запуск находится ниже, что ниже, с постоянным ведущим, этот разрыв является разрывом столбца, а не разрывом абзаца, эта повторяющаяся строка внизу является нижним колонтитулом, а не предложением. Каждый экстрактор текста PDF делает это вывод, и каждый из них делает что-то не так.
Конвертация двухколоночной академической статьи — это то, где она показывает: наивная добыча чередует колонны, создавая чередующиеся полупредложения. Это не ошибка ни в одном инструменте, а в результате формата, который записывает, куда идет чернила, а не то, что означают чернила.
Переход EPUB в PDF — это простое направление именно потому, что структура присутствует в источнике, а геометрия — это изобретение. Возвращение назад означает изобретать структуру из геометрии, поэтому результаты гораздо более изменчивы. Когда все, что вам нужно, это слова, PDF в текст является честным инструментом, и для заданий по сохранению макета вокруг PDF-файла есть компресс а преобразование слов а не туда и обратно через epub. выше Руководство по набору инструментов PDF Охватывает, какие из них применимы к какой проблеме.
Как проверить, что преобразование вышло правильно?
Четыре чека, каждая около десяти секунд, и они ловят почти все, что идет не так.
Считайте главы. В позвоночнике написано, сколько документов в книге, и unzip -l book.epub перечисляет их. Если в PDF-файле заметно меньше заголовков глав, чем в epub, что-то пропущено: обычно глава содержит только изображение, которое текстовый экстрактор правильно читает как пустой, а читатель ожидает, что страница находит пропущенную страницу.
Прочитайте последнюю страницу. Усечение в конце — это режим сбоя, который лучше всего скрывает, потому что первые сто страниц выглядят идеально. Если книга заканчивается на середине предложения, позвоночник не был полностью пройден.
Найдите слово из середины. Откройте PDF-файл, найдите фразу, которую вы знаете, на полпути, и подтвердите, что она есть и в нужной главе. Это ловит проблемы с порядком чтения, где передняя материя, помеченная как пропущенная приземляется где-то неожиданно.
Посмотрите на пунктуацию. EPUB полны символьных сущностей, а конвертер, который не может расшифровать их, листы — или ’ видно в тексте. Конвертер здесь декодирует как именованные, так и числовые сущности и специально сопоставляет типографские тире на простые дефисы, поэтому тире emits в источнике выходят в виде дефисов в PDF, а не как в виде шрифта, в котором отсутствует глиф.
Если книга не выполнит все четыре, это обычно скорее DRM, а не ошибка преобразования, и ошибка будет сказано в том месте, в котором вы выбрали файл.
