Перетворення DJVU в PDF

Я хочу перетворити документ DJVU у документ PDF, відокремлюючи та зберігаючи текстовий шар та зображення , зберігаючи також структуру від DJVU. Як я можу це зробити в Ubuntu?

(Тоді я буду використовувати Caliber для конвертації в ePub / Mobi, тож якщо для всього цього процесу був би плагін Caliber, який був би ідеальним для мене!)

Примітка1: Друк з Evince, експорт з DJview або будь-якого іншого, що використовує пакет ddjvu , не є адекватними рішеннями, оскільки вони відкидають текстовий шар, зберігаючи лише зображення.

Примітка2: Використання DJVULibre, здається, витягує лише текстовий шар, а зображення не витягуються . Аналогічно, копіювання тексту "вручну" втрачає і структуру документа, і зображення.

Спосіб 1

Просто використовуйте DJView та експортуйте як PDF

1. Goto Synaptic Package Manager
2. Встановіть DJview4
3. Запуск DJview (програми - графіка - DJView4)
4. Відкрийте свій .djvu документ
5. : Меню - Експорт як: PDF

Спосіб 2

Відкрийте файл djvu в evince
Виберіть print ----> print to file
change .ps to .pdf and click print

Спосіб 3

1. Goto Synaptic Package Manager

2. Встановити

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

3. Перейдіть на термінал і напишіть

    sudo apt-get install libtiff-tools
   

4. Перейдіть у каталог, де присутній файл djvu. Клацніть правою кнопкою миші. Перейдіть до опції "Відкрити в терміналі". Натисніть на нього. Відкриється термінал.

5. У цьому терміналі напишіть

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

Метод 4

Є також онлайн-конвертер DjVu в PDF-конвертер

Ось один із способів, який потребує деяких не настільки поширених інструментів:

1. ocrodjvu
2. pdfbeads , що має власні вимоги, які може знайти Google

Ми можемо використовувати djvu2hocrкоманду (з ocrodjvuпакета) для вилучення прихованого текстового шару з файлу DjVu (він не робить жодного OCR або подібного, він просто витягує текстовий шар з геометрією), тобто:

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

sed інтервенція виправляє назви класів у вихідному hOCR (це просто простий HTML-файл)

Тепер ми витягуємо сторінку DjVu у формат TIFF за допомогою:

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

щоб ми закінчили цей файл у робочій папці:

sample.djvu
pg10.html
pg10.tif

Ось тут і pdfbeadsграє, і ми просто виконуємо:

pdfbeads -o pg10.pdf

тоді ця витончена програма піклується про все, що знаходиться в цій папці (файли HTML і TIFF з однаковою базовою назвою) та виробляє вихідний PDF-файл із деякими побічними продуктами:

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

який ідентичний вхідному файлу DjVu і має текстовий шар всередині:

Підсумок коментарів:

Подальші коментарі нижче обговорюють представлення менших зображень зі сторінки документа DjVu як окремих об'єктів, що не представляється можливим, оскільки сторінка документа DjVu - це лише одне зображення з необов'язковим текстовим шаром, без «інформації» про менші зображення як окремі об’єкти. Якщо документ DjVu має кольорові зображення, вони зазвичай розміщуються на фоновому шарі; у цьому випадку користувач може скористатися такими інструментами, як ddjvu(витягнути лише фоновий шар) та imagemagick(автоматично обрізати) для виведення лише зображень замість цілого полотна, але це не може бути автоматизовано для створення вихідних даних у форматі PDF

Ще один більш безпечний, але повільний підхід - це використання звичайних інструментів графічного інтерфейсу OCR. gscan2pdf(> 1.0) пропонується як можливий кандидат в Linux PC

Існує djvu2pdf, але він покладається на ghostscript, тому це може бути інший варіант друку. Я все-таки пропоную вам поглянути на той випадок, на всякий випадок, коли це розумніший, ніж я даю йому кредит.

Це не в репост, але ви можете завантажити деб з сайту розробників : http://0x2a.at/s/projects/djvu2pdf

** Введіть обов'язкове повідомлення про завантаження / встановлення речей з-за репост тут **

За допомогою DJVULibre можна витягти текстовий шар за допомогою terminalкоманди:

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

(обидва роблять те саме, і їх знайшли тут )

Форматування вимагає певних зусиль (оскільки багато символів не конвертуються належним чином), а зображення не відновлюються .

http://www.djvu-pdf.com/ - За допомогою цього веб-сайту ви можете конвертувати djvu в pdf.

Найпростіший спосіб: використовувати gscan2pdf для імпорту djvu, а потім OCR це tesseract і, нарешті, зберегти його як pdf. Текст OCR'd у форматі pdf може дещо відрізнятися від оригінального djvu, і перетворення може зайняти деякий час, але цей метод не вимагає, і він працює.

Я склав сценарій відповіді @ zetah.

Він доступний тут: https://gist.github.com/matthieuheitz/7287e214b1aeda7948f6c27fbfb5288b