Chuyển đổi DJVU sang PDF

Tôi muốn chuyển đổi một tài liệu DJVU thành một tài liệu PDF, tách và giữ lại lớp văn bản và hình ảnh trong khi vẫn giữ cấu trúc từ DJVU. Làm thế nào tôi có thể làm điều này trong Ubuntu?

(Sau đó tôi sẽ sử dụng Calibre để chuyển đổi sang ePub / Mobi, vì vậy nếu có một trình cắm Calibre cho toàn bộ quá trình này sẽ hoàn hảo cho tôi!)

Lưu ý1: In từ Evince, xuất từ ​​DJview hoặc bất cứ thứ gì sử dụng gói ddjvu , không phải là giải pháp thích hợp vì chúng loại bỏ lớp văn bản, chỉ lưu hình ảnh.

Lưu ý2 : Sử dụng DJVULibre dường như chỉ trích xuất lớp văn bản và hình ảnh không được trích xuất . Tương tự, sao chép văn bản "thủ công" sẽ mất cả cấu trúc tài liệu và hình ảnh.

Phương pháp 1

Chỉ cần sử dụng DJView và xuất dưới dạng PDF

1. Trình quản lý gói Goto Synaptic
2. Cài đặt DJview4
3. Chạy DJview (Ứng dụng - Đồ họa - DJView4)
4. Mở tài liệu .djvu của bạn
5. : Menu - Xuất dưới dạng: PDF

Phương pháp 2

Mở tệp djvu trong evince
Chọn in ----> in để
thay đổi tệp .ps thành .pdf và nhấp vào in

Phương pháp 3

1. Trình quản lý gói Goto Synaptic

2. cài đặt, dựng lên

   djvulibre-bin libdjvulibre21 okular-extra-backends evince libevdocument3 libevview3

3. Thiết bị đầu cuối Goto và viết

    sudo apt-get install libtiff-tools
   

4. Goto thư mục chứa tập tin djvu. Nhấp chuột phải. Tùy chọn mở Goto trong thiết bị đầu cuối. Nhấn vào nó. Một thiết bị đầu cuối sẽ mở.

5. Trong thiết bị đầu cuối đó viết

   ddjvu -format=tiff file_name.djvu file_name.tiff
   tiff2pdf -j -o file_name.pdf file_name.tiff
   

Phương pháp 4

Ngoài ra còn có một công cụ chuyển đổi trực tuyến DjVu sang PDF

Đây là một cách, sẽ yêu cầu một số công cụ không phổ biến:

1. ocrodjvu
2. pdfbead , có yêu cầu riêng của Google mà Google có thể tìm thấy

Chúng ta có thể sử dụng djvu2hocrlệnh (từ ocrodjvugói) để trích xuất lớp văn bản ẩn từ tệp DjVu (nó không thực hiện bất kỳ OCR nào hoặc tương tự, nó chỉ trích xuất lớp văn bản có hình học), tức là:

djvu2hocr -p 10 sample.djvu | sed 's/ocrx/ocr/g' > pg10.html

sed can thiệp sửa tên lớp trong hOCR đầu ra (chỉ là tệp HTML đơn giản)

Bây giờ chúng tôi trích xuất trang DjVu sang định dạng TIFF với:

ddjvu -format=tiff -page=10 sample.djvu pg10.tif

để chúng tôi kết thúc với các tệp này trong thư mục công việc:

sample.djvu
pg10.html
pg10.tif

Đây là nơi pdfbeadsđến trong trò chơi, và chúng tôi thực hiện đơn giản:

pdfbeads -o pg10.pdf

sau đó chương trình tiện lợi này sẽ xử lý tất cả mọi thứ trong thư mục này (tệp HTML và TIFF có cùng tên cơ sở) và tạo tệp PDF đầu ra với một số sản phẩm phụ:

sample.djvu
pg10.html
pg10.tif
pg10.jbig2
pg10.pdf
pg10.sym

trùng với tệp DjVu đầu vào và có lớp văn bản bên trong:

Tóm tắt ý kiến:

Các bình luận dài bên dưới thảo luận về việc thể hiện các hình ảnh nhỏ hơn từ trang tài liệu DjVu dưới dạng các đối tượng riêng biệt, điều này không dễ thực hiện vì trang tài liệu DjVu chỉ là một hình ảnh duy nhất với lớp văn bản tùy chọn, không có "thông tin" về các hình ảnh nhỏ hơn như các đối tượng riêng biệt. Nếu tài liệu DjVu có hình ảnh màu, thì chúng thường sẽ được đặt trên lớp nền; trong trường hợp này, người dùng có thể tận dụng các công cụ như ddjvu(chỉ trích xuất lớp nền) và imagemagick(tự động cắt) để chỉ xuất hình ảnh thay vì toàn bộ khung vẽ, nhưng không thể tự động tạo ra đầu ra PDF

Một cách tiếp cận khác, nhưng cách tiếp cận chậm hơn là sử dụng các công cụ GUI OCR thông thường. gscan2pdf(> 1.0) được đề xuất là ứng cử viên có thể cho Linux PC

Có djvu2pdf nhưng nó dựa vào ghostscript nên có thể là một tùy chọn in khác. Tôi vẫn đề nghị bạn cho nó một cái nhìn, chỉ trong trường hợp nó thông minh hơn là tôi cho nó tín dụng.

Nó không có trong repos nhưng bạn có thể tải xuống một cuộc tranh luận từ trang web của nhà sản xuất: http://0x2a.at/s/projects/djvu2pdf

** Chèn thông báo bắt buộc về việc tải xuống / cài đặt mọi thứ từ bên ngoài repos tại đây **

Sử dụng DJVULibre , người ta có thể trích xuất lớp văn bản thông qua terminallệnh:

djvutxt myfile.djvu > myfile-ocr.txt hoặc là djvused myfile.djvu -e 'print-pure-txt' > myfile.txt

(cả hai đều làm điều tương tự, và đã được tìm thấy ở đây )

Định dạng đòi hỏi một số nỗ lực (vì nhiều biểu tượng không được chuyển đổi đúng cách) và hình ảnh không được phục hồi .

http://www.djvu-pdf.com/ - Sử dụng trang web này, bạn có thể chuyển đổi djvu sang pdf.

Cách dễ nhất: sử dụng gscan2pdf để nhập djvu, sau đó OCR với tesseract và cuối cùng lưu nó dưới dạng pdf. Văn bản OCR trong pdf có thể hơi khác so với djvu ban đầu và việc chuyển đổi có thể mất một chút thời gian, nhưng phương pháp này là không có trí tuệ và nó hoạt động.

Tôi đã tạo một kịch bản câu trả lời của @ zetah.

Nó có sẵn ở đây: https://gist.github.com/matthieuheitz/7287e214b1aeda7948f6c27fbfb5288b