扫描版PDF→Epub格式→文字版PDF
来自: 快快的慢慢
最近想看一些书，但是没有合适的电子版。扫描版的PDF的分辨率差一点，我想要的还是epub格式或者文字版的PDF。于是本着自己动手，丰衣足食的思想，自己O了一些书，做了epub和pdf格式。正好组里一直有人问扫描版PDF转epub格式的问题，万能的Calibre对此转换的支持是微弱的，现有的阅读平台貌似支持的也不是很好（我也不了解）。最好的法子，应该还是OCR之后，重新排版。做了几本书之后，形成了一套自己的处理流程。下面简单介绍一下，如果其他更好的法子，欢迎留言。
以下ePub制作和Prince使用相关基础知识，基本上都可以在赤霓大神的《ePub指南——从入门到放弃》编著：赤霓（第2版）中找到依据。
本帖子只阐述做书流程，不做资源分享。
本帖子只阐述做书流程，不做资源分享。
本帖子只阐述做书流程，不做资源分享。
阶段一：制作ePub
1. 寻找合适的PDF资源，可以自己动手扫描手边的书，或者通过别的渠道像Z站获取。以下我以《岁月的泡沫》为例。PDF的清晰度当然是越高越好。
2. PDF里面的封面分辨率太低，简单重制了下。因为我的阅读器是文石，所以封面的比例我调成4:3了，具体的像素1600px：1200px。素材主要来自豆瓣封面。
3. 开始OCR，我使用的是夸克浏览器（不是夸克扫描王，夸克扫描王APP的功能不咋地）。以前用过全能扫描王，但是全能扫描王会吞行，单引号和省略号的处理也不好。
3. OCR之后，把文本导入到Sigil编辑器里，我习惯手动复制，纯文本粘贴。
导入之后，只有文本信息
4. 以下开始处理文本，首先处理一堆空格和页眉页脚的页码等信息。以下流程中，我会随时对html内容进行格式化。
主要利用编辑器自带的搜索替换在，代码模式中操作。
5. 处理标点符号问题。主要这几类,?!():; 把英文标点替换为中文。
同样是简单的搜索替换。
6. 处理注释。可以利用现有的注释处理插件，首先得保证索引和内容一一对应。
注释处理插件，网上应该能搜到。sigil相关插件挺多。
处理完之后就是符合多看弹注的格式了，我按照我自己的代码习惯，会重新利用正则表达式处理下。
无格式
注释内容
7. 处理断行。我一般先格式化html，然后再处理。
断行主要是页与页之间会出现这种情况，放在注释处理后进行。我主要使用正则表达式替换
8. 基本文本格式处理完之后，下面主要就是一页一页重新排版。样式表看个人习惯，我自己有符合自己习惯的基础版本，在这个基础上添加新的样式。
排版的过程多留意左边pdf断行，破折号，省略号等细节，还有外语语句中间的空格等（处理文本时，已经删除了所有的空格）。
主要针对特殊的段落，诗歌或者书信。还有正文的一些特别格式，着重号或者斜体或者不同字体。
书信，一般按照扫描版PDF中样式来。
9. 利用现有插件，进行字体子集化。
10. 使用Sigil生成目录，编辑元信息，设置封面等，最后格式化代码。
11. ePub格式的电子书基本制作完成了，剩下的还剩下自个阅读校对了。得益于现有的ocr技术，文本识别的准确率已经很高了。
可以使用多看阅读和文石自带的阅读器确认下效果了，然后再微调样式等。
阶段二：制作文字版PDF
利用Prince插件，在ePub的基础上制作文字版PDF。Prince规则具体可参见Prince官网Prince。Prince插件，网上应该能搜到。
基于个人习惯，我一般
1. 页面大小、页边距、正文大小等：
size: 15cm 20cm;
margin: 1.27cm 1.27cm 1.27cm 1.27cm;
我的每个字符大小15px
2. 封面处理
3. 页码计数器
4. 脚注，我习惯①②③④⑤这样子命名。生成pdf的过程中，我给插件开启了JavaScript功能。如想要微调后可使用JavaScript功能的Prince插件，可以私信我。
脚注的格式，我利用自己写的插件，重新处理成符合Prince规则的格式了。
最终显示
5. 目录处理
6. 其他样式微调，最终生成PDF
这样我就可以在我的文石中，看这个PDF了，后续有错再修正一下
就这些，ePub制作相关的小知识太多了。以上用到的工具和技巧，都可以从赤霓大神的从入门到放弃中找到，大家如有兴趣，可认真研读此书。
希望对大家有所帮助。
你的回应
回应请先 登录 , 或 注册
相关内容推荐
最新讨论 ( 更多 )
- 乡下的书房 (江文)
- 618下的两单都到了 (华小受)
- 抽一套明朝 (诅咒蜻蜓)
- 求推荐记录藏书的app (糯米团子)
- 明朝那些事全套九本 走🐟 (情是少年坎)