☰

如何将pdf转换为电子书格式

tag-icon • tag-icon pdf ebooks
如何将pdf转换为电子书格式

有没有办法将 PDF 文档转换为 epub、azw 或 mobi 等电子书格式？我正在寻找一个转换速度快的应用程序。我刚刚尝试过口径。 10 分钟后，转化率甚至还没有达到 2%。所以请不要口径。 CLI 是首选。

答案1

我一般用口径，从各种格式（epub、mobi 和 pdf）进行转换。用它转换非常简单，这是一个屏幕截图，有其他的和一个视频教程以及。

截屏

   SS口径

答案2

你应该尝试一下pdftotext（在软件包中的 Ubuntu 下poppler-utils）。它是一个命令行转换器。它假定 PDF 包含文本并且不仅仅包含图像。

如果 PDF 文件包含图像（没有 OCR 信息），则必须采用 OCR 解决方案，这要慢得多。

我也成功地对扰乱的 PDF 文本使用了 OCR 方法（通过以非线性方式将单个字符定位在页面上）。然后您可以使用egpdftoppm来获取页面的各个图像并对这些图像进行OCR。

答案3

我必须对 PDF 文件执行一次此操作，结果如下（使用 poppler 中的 pdftohtml）：

#!/bin/bash

pwddir="`pwd`"
tmpdir="`mktemp -d`"

pdftohtml -enc UTF-8 -noframes -p -nomerge -nodrm -q "$1" "$tmpdir"/index

cd "$tmpdir"

sed -e :a -e '$!N;s/\n/ /;ta' \
    -i index.html 

sed -e 's@ @ @g' \
    -e 's@<hr>@ @g' \
    -e 's@<br/>\s*<br/>@</p><p>@g' \
    -e 's@<br/>@ @g' \
    -i index.html

tidy -utf8 -i -wrap 9999999 -m index.html

sed -e 's@<a name="[^"]*"></a>@@g' \
    -i index.html

rm "$pwddir"/"$1".zip
zip "$pwddir"/"$1".zip *

将 zip 文件输入 Calibre 并转换为 EPUB。过滤所有 CSS 属性（例如颜色、字体）。

每个 PDF 文件都是不同的 - 没有明确的解决方案。上面的方法适用于一种特定情况 - 您必须弱化 pdftohtml/pdftotext，然后调整输出以满足您的需求。

如果失败，您必须求助于 OCR，我在楔形文字方面运气不错。但也可以尝试 tesseract、ocrad、gocr。然而，所有这些都需要手工劳动才能获得良好的结果。

相关内容