Mengubah DJVU ke PDF

Saya ingin mengubah dokumen DJVU menjadi dokumen PDF, memisahkan dan melestarikan lapisan teks dan gambar sementara juga menjaga struktur dari DJVU. Bagaimana saya bisa melakukan ini di Ubuntu?

(Saya kemudian akan menggunakan Calibre untuk mengonversi ke ePub / Mobi, jadi jika ada plug-in Calibre untuk seluruh proses ini yang akan sempurna bagi saya!)

Catatan1: Mencetak dari Evince, mengekspor dari DJview, atau apa pun menggunakan paket ddjvu , bukan solusi yang memadai karena mereka membuang lapisan teks, hanya menyimpan gambar.

Note2: Menggunakan DJVULibre tampaknya hanya mengekstraksi layer teks dan gambar tidak diekstraksi . Demikian pula, menyalin teks "secara manual" kehilangan struktur dokumen dan gambar.

Metode 1

Cukup gunakan DJView dan ekspor sebagai PDF

1. Manajer Paket Synaptic Goto
2. Instal DJview4
3. Jalankan DJview (Aplikasi - Grafik - DJView4)
4. Buka dokumen .djvu Anda
5. : Menu - Ekspor Sebagai: PDF

Metode 2

Buka file djvu di evince
Pilih cetak ----> cetak untuk
mengubah file .ps ke .pdf dan klik cetak

Metode 3

1. Manajer Paket Synaptic Goto

2. Memasang

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

3. Goto terminal dan tulis

    sudo apt-get install libtiff-tools
   

4. Masuk direktori tempat file djvu hadir. Klik tombol kanan mouse. Pilihan "Buka Terminal". Klik itu. Terminal akan terbuka.

5. Di terminal itu tulis

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

Metode 4

Ada juga konverter online DjVu ke PDF converter

Berikut ini satu cara, yang akan membutuhkan beberapa alat yang tidak terlalu umum:

1. ocrodjvu
2. pdfbeads , yang memiliki persyaratan sendiri yang dapat ditemukan oleh Google

Kita dapat menggunakan djvu2hocrperintah (dari ocrodjvupaket) untuk mengekstrak lapisan teks tersembunyi dari file DjVu (tidak melakukan OCR atau serupa, hanya mengekstrak lapisan teks dengan geometri), yaitu:

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

sed intervensi mengoreksi nama kelas dalam output hOCR (yang hanya file HTML sederhana)

Sekarang kami mengekstrak halaman DjVu ke format TIFF dengan:

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

sehingga kita akhiri dengan file ini di folder tidak bekerja:

sample.djvu
pg10.html
pg10.tif

Di sinilah pdfbeadsberperan, dan kami mengeksekusi sederhana:

pdfbeads -o pg10.pdf

kemudian program yang bagus ini menangani semua yang ada di dalam folder ini (file HTML dan TIFF dengan nama dasar yang sama) dan menghasilkan output file PDF dengan beberapa produk sampingan:

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

yang identik dengan input file DjVu dan memiliki lapisan teks di dalamnya:

Ringkasan komentar:

Komentar panjang di bawah ini membahas mewakili gambar yang lebih kecil dari halaman dokumen DjVu sebagai objek yang terpisah, yang tidak mudah dilakukan karena halaman dokumen DjVu sendiri hanyalah gambar tunggal dengan lapisan teks opsional, tanpa "informasi" tentang gambar yang lebih kecil sebagai objek terpisah. Jika dokumen DjVu memiliki gambar berwarna, maka biasanya akan ditempatkan pada lapisan latar belakang; dalam hal ini pengguna dapat mengambil keuntungan dari alat-alat seperti ddjvu(ekstrak hanya lapisan latar belakang) dan imagemagick(potong otomatis) untuk hanya menghasilkan gambar, bukan seluruh kanvas, tetapi tidak dapat otomatis untuk membuat output PDF

Pendekatan lain yang lebih waras, tetapi lebih lambat adalah penggunaan alat GUI OCR biasa. gscan2pdf(> 1.0) disarankan sebagai kandidat yang memungkinkan untuk PC Linux

Ada djvu2pdf tetapi bergantung pada ghostscript sehingga mungkin menjadi opsi pencetakan lain. Saya masih menyarankan Anda melihatnya, kalau-kalau itu lebih pintar daripada saya memberikannya kredit.

Itu tidak ada dalam repo tetapi Anda dapat mengunduh deb dari situs pembuatnya: http://0x2a.at/s/projects/djvu2pdf

** Masukkan pemberitahuan wajib tentang mengunduh / menginstal hal-hal dari luar repo di sini **

Menggunakan DJVULibre , seseorang dapat mengekstraksi layer teks melalui terminalperintah:

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

(Keduanya melakukan hal yang sama, dan ditemukan di sini )

Memformat memerlukan upaya (karena banyak simbol tidak dikonversi dengan benar) dan gambar tidak dipulihkan .

http://www.djvu-pdf.com/ - Menggunakan situs web ini Anda dapat mengonversi djvu ke pdf.

Cara termudah: gunakan gscan2pdf untuk mengimpor djvu, lalu OCR dengan tesseract, dan akhirnya simpan sebagai pdf. Teks OCR dalam pdf mungkin sedikit berbeda dari djvu asli, dan konversi mungkin memakan waktu cukup lama, tetapi metode ini adalah no-brainer dan berfungsi.

Saya membuat skrip jawaban @ zetah.

Ini tersedia di sini: https://gist.github.com/matthieuheitz/7287e214b1aeda7948f6c27fbfb5288b