Направление конвертации
Конвертация PDF в EPUB
Преобразование PDF → EPUB на сервере, без установки программ
- Загрузить
- Выбрать формат
- Скачать
Загрузка файлов
Область приёма файла
или
Файлы PDF. До 5 МБ, до 20 файлов за раз. Изображение можно вставить из буфера обмена: Ctrl+V.
В PDF записана готовая вёрстка, а не структура книги: строки склеиваются в абзацы по расположению текста, поэтому колонтитулы, номера страниц и подписи к иллюстрациям иногда попадают в основной текст. Книги из двух колонок и отсканированные PDF без текстового слоя переносятся плохо.
Исходники и результаты хранятся 60 минут, затем стираются фоновым уборщиком. Предельный размер файла — 5 МБ, срок хранения — час.
PDF и EPUB: характеристики
| Характеристика | .pdfPDF | .epubEPUB |
|---|---|---|
| Полное название | Portable Document Format | Electronic Publication |
| Разработчик | Adobe | IDPF, ныне W3C |
| Год появления | 1993 | 2007 |
| Расширение | .epub | |
| MIME-типы | application/pdf, application/x-pdf, application/acrobat | нет данных |
| Содержимое | Текст, вектор, растр, формы | Двоичное |
| Прозрачность | Поддерживается | нет данных |
| Несколько страниц в файле | Поддерживается | Поддерживается |
| Стандарт | ISO 32000-2 | нет данных |
| Вёрстка | Фиксированная, не зависит от устройства | Перетекающая, подстраивается под экран |
| Шрифты | Встраиваются в файл | нет данных |
| Защита | Пароль, права доступа, подпись | нет данных |
| Чем открыть | Adobe Acrobat Reader, Foxit Reader, SumatraPDF, Google Chrome, Microsoft Edge, Просмотр (macOS) | Apple Books, Calibre, FBReader, PocketBook Reader, Google Play Книги |
| Спецификация | Описание формата | Описание формата |
| MIME-тип | нет данных | application/epub+zip |
| Устройство файла | нет данных | ZIP-архив с HTML, CSS и изображениями |
| Версии | нет данных | EPUB 2 и EPUB 3 (SVG, MathML, аудио) |
| Оглавление | нет данных | Встроенное, с навигацией по главам |
| DRM | нет данных | Возможен; защищённые книги не конвертируются |
Преобразование PDF → EPUB
В PDF записана готовая вёрстка: операторы вывода текста с матрицей преобразования и координатами, но без понятий абзаца, заголовка и колонки. EPUB 3 устроен наоборот — это размеченный поток XHTML, который читалка раскладывает под экран. Восстановление структуры выполняется эвристиками по расположению фрагментов, поэтому результат приблизителен по определению.
Главная эвристика — склейка строк. Коэффициент 0,45 означает: строка, длина которой превышает 45 % от самой длинной строки блока, считается перенесённой и присоединяется к следующей, а более короткая признаётся концом абзаца. Оттуда же растут характерные огрехи: короткая последняя строка абзаца иногда приклеивается к следующему, а стихотворные строки склеиваются в сплошной текст. Повторяющиеся элементы на одной позиции страницы распознаются как колонтитулы и отбрасываются, но не всегда.
Отдельные виды вёрстки восстанавливаются плохо. Таблица в PDF — это набор линий и отдельных надписей, признака «таблица» в файле нет, поэтому она рассыпается на строки. Две колонки читаются по координатам и могут перемешаться. Формулы, набранные символами математических шрифтов, теряют разметку. Проверять результат следует по началу глав, подписям к иллюстрациям и стыкам страниц — там ошибки видны сразу.
Сканированный PDF в перетекающую книгу не превращается: внутри него изображения страниц, текстового слоя нет, а распознавание сервис не выполняет. Проверка занимает секунду — попробуйте выделить строку в просмотрщике. Предел входного файла у направления ниже обычного, потому что разбор держит страницу в памяти целиком вместе с изображениями; на задание отводится 900 секунд.
Порядок преобразования PDF → EPUB
Шаг 1
Проверка текстового слоя
Выделите строку мышью в любом просмотрщике. Если выделение не работает, перед вами скан, и на выходе получится книга из картинок.
Шаг 2
Загрузка документа
Предел размера здесь ниже, чем на других направлениях: разбор вёрстки требует больше памяти, чем обычное чтение файла.
Шаг 3
Разбор структуры
Строки группируются по базовым линиям, склеиваются по коэффициенту 0,45, колонтитулы отсекаются, результат собирается в EPUB 3.
Шаг 4
Проверка в читалке
Откройте книгу на устройстве и просмотрите оглавление, первые страницы глав и места с иллюстрациями. Мелкие огрехи правятся в редакторах книг.
Вопросы по работе сервиса
Почему абзацы разорваны или, наоборот, склеены?
Потому что в PDF нет абзацев — есть строки с координатами. Решение принимается по длине строки: превышает 45 % максимальной ширины — считается перенесённой и присоединяется к следующей. На нестандартной вёрстке, в диалогах и в стихах эта эвристика ошибается.
Что получится из отсканированного PDF?
Перетекающую — нет. В сканированном PDF лежат изображения страниц, а текстового слоя нет вовсе; распознавания сервис не выполняет, поэтому страницы перенесутся в EPUB картинками. Для таких файлов нужен инструмент с OCR.
Что произойдёт с таблицами и двумя колонками?
Таблица в PDF хранится как линии плюс отдельные надписи, признака таблицы в файле нет — она рассыплется на строки. Двухколоночная вёрстка читается по координатам, и строки соседних колонок могут перемешаться. Такие издания практичнее оставить в PDF.
Почему предел размера здесь ниже обычного?
Разбор страницы требует держать в памяти её содержимое целиком, включая изображения, а не читать файл потоком. Ограничение удерживает очередь в рабочем состоянии. Крупный документ разделите на части в редакторе PDF и обработайте по частям.