Перетворення djvu в pdf І збереження змісту, як це можливо?

Я спробував кілька інструментів онлайн та офлайн, але інформація про вміст (TOC) не зберігалася під час конверсії.

Я хотів би перетворити словник фінською мовою на 5000 сторінок, який є у форматі djvu і містить близько 5000 записів TOC, структурованих ієрархічно для швидкого пошуку слів.

Будь-яка ідея, як можливо зберегти інформацію TOC під час перетворення DJVU в PDF?

оновлення: user3124688 зашифрував цей процес у сценарії dpsprep .

Я не знаю жодного інструменту, який здійснить перетворення для вас. Ви, звичайно, повинні вміти це робити, але це може зайняти трохи роботи. Я викладу основний процес. Вам знадобляться утиліти командного рядка з відкритим кодом pdftkта djvused(частина DjVuLibre). Вони доступні у менеджера пакунків (GNU / Linux) або на їх веб-сайтах (Windows, OS X).

• крок 1: перетворення тексту файлу

  Спочатку скористайтеся будь-яким інструментом для перетворення файлу DJVU у PDF (без закладок).

  Припустимо, файли називаються filename.djvuі filename.pdf.

• крок 2: витягніть контур DJVU

  Далі виведіть дані контуру DJVU у такий файл:

  djvused "filename.djvu" -e 'print-outline' > bmarks.out
  

  Це файл, у якому перераховані закладки документів DJVU у серіалізованому форматі дерева. Насправді це просто SEXPR , і його можна легко розібрати. Формат такий:

  file ::= (bookmarks
             <bookmark>*)
  bookmark ::= (name
                 page
                 <bookmark>*)
  name ::= "<character>*"
  page ::= "#<digit>+"
  

  Наприклад:

  (bookmarks
    ("bmark1"
      "#1")
    ("bmark2"
      "#5"
      ("bmark2subbmark1"
        "#6")
      ("bmark2subbmark2"
        "#7"))
    ("bmark3"
      "#9"
      ...))
  

• крок 3: конвертуйте контур DJVU у формат метаданих PDF

  Тепер нам потрібно конвертувати ці закладки у формат, необхідний метаданими PDF. Цей файл має формат:

  file ::= <entry>*
  entry ::= BookmarkBegin
            BookmarkTitle: <title>
            BookmarkLevel: <number>
            BookmarkPageNumber: <number>
  title ::= <character>*
  

  Тож наш приклад став би:

   BookmarkBegin
   BookmarkTitle: bmark1
   BookmarkLevel: 1
   BookmarkPageNumber: 1
   BookmarkBegin
   BookmarkTitle: bmark2
   BookmarkLevel: 1
   BookmarkPageNumber: 5
   BookmarkBegin
   BookmarkTitle: bmark2subbmark1
   BookmarkLevel: 2
   BookmarkPageNumber: 6
   BookmarkBegin
   BookmarkTitle: bmark2subbmark2
   BookmarkLevel: 2
   BookmarkPageNumber: 7
   BookmarkBegin
   BookmarkTitle: bmark3
   BookmarkLevel: 1
   BookmarkPageNumber: 9
  

  В основному, вам просто потрібно написати сценарій, щоб пройти дерево SEXPR, слідкуючи за рівнем, і вивести ім'я, номер сторінки та рівень кожного запису, до якого він потрапляє, у правильному форматі.

• крок 4: витягніть метадані PDF та зробіть їх у конвертовані закладки

  Після отримання перетвореного списку виведіть метадані PDF з перетвореного PDF-файлу:

  pdftk "filename.pdf" dump_data > pdfmetadata.out
  

  Тепер відкрийте файл і знайдіть рядок, який починається: NumberOfPages:

  вставити перетворені закладки після цього рядка. Збережіть новий файл якpdfmetadata.in

• крок 5: створити PDF з закладками

  Тепер ми можемо створити новий файл PDF, що містить ці метадані:

  pdftk "filename.pdf" update_info "pdfmetadata.in" output out.pdf
  

  Файл out.pdfповинен бути копією вашого PDF із закладками, імпортованими з файлу DJVU.

На основі дуже чіткого контуру, поданого користувачем @pyrocrasty (спасибі!), Я реалізував перетворювач DJVU в PDF, який зберігає як текст OCR'd, так і структуру закладок. Ви можете знайти його тут:

https://github.com/kcroker/dpsprep

Подяка за дані OCR переходить до @zetah на форумах Ubuntu!