Konwersja DJVU do formatu PDF

Chcę przekonwertować dokument DJVU na dokument PDF, oddzielając i zachowując warstwę tekstową i obrazy, jednocześnie zachowując strukturę z DJVU. Jak mogę to zrobić w Ubuntu?

(Będę wtedy używał Calibre do konwersji na ePub / Mobi, więc jeśli istniałaby wtyczka Calibre dla całego tego procesu, byłaby dla mnie idealna!)

Uwaga 1: Drukowanie z Evince, wywozu z DJview, czy cokolwiek przy użyciu pakietu ddjvu są nie odpowiednie rozwiązania jak oni odrzucić warstwę tekstową, oszczędzając tylko obrazy.

Uwaga 2: Wydaje się, że użycie DJVULibre jedynie wyodrębnia warstwę tekstową, a zdjęcia nie są wyodrębniane . Podobnie kopiowanie tekstu „ręcznie” powoduje utratę zarówno struktury dokumentu, jak i obrazów.

Metoda 1

Wystarczy użyć DJView i wyeksportować jako plik PDF

1. Idź do Menedżera pakietów synaptycznych
2. Zainstaluj DJview4
3. Uruchom DJview (Aplikacje - Grafika - DJView4)
4. Otwórz dokument .djvu
5. : Menu - Eksportuj jako: PDF

Metoda 2

Otwórz plik djvu w evince
Wybierz druk ----> drukuj do pliku
zmień .ps na .pdf i kliknij drukuj

Metoda 3

1. Idź do Menedżera pakietów synaptycznych

2. zainstalować

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

3. Idź do terminalu i pisz

    sudo apt-get install libtiff-tools
   

4. Przejdź do katalogu, w którym znajduje się plik djvu. Kliknij prawy przycisk myszy. Idź do opcji „Otwórz w terminalu”. Kliknij na to. Terminal otworzy się.

5. W tym terminalu napisz

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

Metoda 4

Istnieje również internetowy konwerter DjVu na konwerter PDF

Oto jeden ze sposobów, który wymagałby niektórych nie tak powszechnych narzędzi:

1. ocrodjvu
2. pdfbeads , który ma swoje własne wymagania, które może znaleźć Google

Możemy użyć djvu2hocrpolecenia (z ocrodjvupakietu), aby wyodrębnić ukrytą warstwę tekstową z pliku DjVu (nie wykonuje żadnego OCR lub podobnego, po prostu wyodrębnia warstwę tekstową z geometrią), tj .:

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

sed interwencja poprawia nazwy klas w wyjściowym hOCR (który jest po prostu prostym plikiem HTML)

Teraz wyodrębniamy stronę DjVu do formatu TIFF za pomocą:

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

abyśmy zakończyli z plikiem znajdującym się w folderze roboczym:

sample.djvu
pg10.html
pg10.tif

Oto, gdzie pdfbeadspojawia się gra, a my po prostu wykonujemy:

pdfbeads -o pg10.pdf

następnie ten fajny program zajmuje się wszystkim, co znajduje się w tym folderze (pliki HTML i TIFF o tej samej nazwie podstawowej) i tworzy wyjściowy plik PDF z niektórymi produktami ubocznymi:

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

który jest identyczny z wejściowym plikiem DjVu i ma warstwę tekstową w środku:

Podsumowanie komentarzy:

Długie komentarze poniżej omawiają reprezentowanie mniejszych obrazów ze strony dokumentu DjVu jako oddzielnych obiektów, co nie jest łatwo możliwe, ponieważ strona dokumentu DjVu sama w sobie jest pojedynczym obrazem z opcjonalną warstwą tekstową, bez „informacji” o mniejszych obrazach jako oddzielnych obiektach. Jeśli dokument DjVu ma kolorowe obrazy, zwykle będą one umieszczane na warstwie tła; w takim przypadku użytkownik może skorzystać z narzędzi takich jak ddjvu(wyodrębnij tylko warstwę tła) i imagemagick(automatyczne przycinanie), aby wydrukować tylko obrazy zamiast całego obszaru roboczego, ale nie można zautomatyzować tworzenia danych wyjściowych w formacie PDF

Innym rozsądniejszym, ale wolniejszym podejściem jest użycie zwykłych narzędzi OCR GUI. gscan2pdf(> 1.0) jest sugerowany jako możliwy kandydat na komputer z systemem Linux

Istnieje djvu2pdf, ale opiera się on na ghostscript, więc może to być kolejna opcja drukowania. Nadal sugeruję, abyś spojrzał na to, na wypadek, gdyby było to bardziej sprytne, niż przyznam to.

Nie ma go w repozytorium, ale możesz pobrać deb ze strony twórców: http://0x2a.at/s/projects/djvu2pdf

** Tutaj wpisz obowiązkowe powiadomienie o pobieraniu / instalowaniu rzeczy spoza repozytoriów **

Za pomocą DJVULibre można wyodrębnić warstwę tekstową za pomocą terminalpolecenia:

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

(oba robią to samo i zostały tu znalezione )

Formatowanie wymaga pewnego wysiłku (ponieważ wiele symboli nie zostało poprawnie przekonwertowanych), a zdjęcia nie są odzyskiwane .

http://www.djvu-pdf.com/ - Za pomocą tej strony możesz przekonwertować djvu na pdf.

Najprostszy sposób: użyj gscan2pdf, aby zaimportować djvu, następnie OCR za pomocą tesseract, a na koniec zapisz go jako pdf. Tekst OCR w pliku pdf może nieznacznie różnić się od oryginalnego djvu, a konwersja może zająć trochę czasu, ale ta metoda nie wymaga myślenia i działa.

Zrobiłem skrypt odpowiedzi @ zetah.

Jest dostępny tutaj: https://gist.github.com/matthieuheitz/7287e214b1aeda7948f6c27fbfb5288b