Conversion de DJVU en PDF

Je souhaite convertir un document DJVU en un document PDF en séparant et en préservant le calque de texte et les images tout en conservant la structure du fichier DJVU. Comment puis-je faire cela dans Ubuntu?

(J'utiliserai ensuite Caliber pour convertir ePub / Mobi, donc s'il y avait un plug-in Caliber pour tout ce processus, ce serait parfait pour moi!)

Remarque1: L'impression à partir d'Evince, l'exportation à partir de DJview ou toute autre application utilisant le package ddjvu ne sont pas des solutions adéquates, car elles suppriment le calque de texte et n'enregistrent que les images.

Note2: L'utilisation de DJVULibre semble extraire uniquement le calque de texte et les images ne sont pas extraites . De même, copier le texte "manuellement" perd la structure du document et les images.

Méthode 1

Utilisez simplement DJView et exportez au format PDF

1. Aller au gestionnaire de paquets Synaptic
2. Installer DJview4
3. Lancer DJview (Applications - Graphiques - DJView4)
4. Ouvrez votre document .djvu
5. : Menu - Exporter sous: PDF

Méthode 2

Ouvrez le fichier djvu dans evince
Sélectionnez print ----> print to file,
changez le .ps en .pdf et cliquez sur print

Méthode 3

1. Aller au gestionnaire de paquets Synaptic

2. Installer

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

3. Aller au terminal et écrire

    sudo apt-get install libtiff-tools
   

4. Allez au répertoire où le fichier djvu est présent. Cliquez avec le bouton droit de la souris. Allez à “Open In Terminal” option. Clique dessus. Un terminal va s'ouvrir.

5. Dans ce terminal, écris

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

Méthode 4

Il existe également un convertisseur en ligne DjVu to PDF Converter

Voici une solution qui nécessiterait des outils moins courants:

1. ocrodjvu
2. pdfbeads , qui a ses propres exigences qui peuvent être trouvées par Google

Nous pouvons utiliser djvu2hocrcommand (from ocrodjvupackage) pour extraire le calque de texte caché du fichier DjVu (il ne fait pas d’OCR ou similaire, il extrait simplement le calque de texte avec une géométrie), c’est-à-dire:

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

sed intervention corrige les noms de classe dans la sortie hOCR (qui est un simple fichier HTML)

Nous extrayons maintenant la page DjVu au format TIFF avec:

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

afin que nous terminions avec ces fichiers dans notre dossier de travail:

sample.djvu
pg10.html
pg10.tif

C'est là pdfbeadsqu'entre en jeu, et nous exécutons simplement:

pdfbeads -o pg10.pdf

alors ce programme astucieux s’occupe de tout ce qui se trouve dans ce dossier (fichiers HTML et TIFF avec le même nom de base) et génère un fichier PDF en sortie avec certains sous-produits:

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

qui est identique au fichier DjVu en entrée et contient un calque de texte:

Résumé des commentaires:

Les longs commentaires ci-dessous expliquent comment représenter des images plus petites à partir d'une page de document DjVu en tant qu'objets séparés, ce qui n'est pas facilement possible car la page de document DjVu n'est en elle-même qu'une seule image avec un calque de texte facultatif, sans aucune "information" sur les images plus petites en tant qu'objets séparés. Si le document DjVu contient des images couleur, elles seront généralement placées sur le calque d'arrière-plan. dans ce cas, l'utilisateur peut tirer parti d'outils tels que ddjvu(extraire uniquement les calques d'arrière-plan) et imagemagick(rognage automatique) pour générer uniquement des images au lieu de la totalité du canevas, mais cette opération ne peut pas être automatisée pour créer un document PDF.

Une autre approche plus saine, mais plus lente, consiste à utiliser des outils d'interface graphique OCR classiques. gscan2pdf(> 1.0) est suggéré comme candidat possible pour Linux PC

Il existe djvu2pdf mais il repose sur ghostscript, ce qui pourrait donc constituer une autre option d’impression. Je vous suggère tout de même d'y jeter un coup d'œil, juste au cas où il serait plus intelligent que je ne le crédite.

Ce n'est pas dans le dépôt mais vous pouvez télécharger un deb à partir du site du fabricant: http://0x2a.at/s/projects/djvu2pdf

** Insérez ici les informations obligatoires sur le téléchargement / l'installation d'éléments extérieurs au dépôt **

En utilisant djvulibre , on peut extraire la couche de texte via la terminalcommande:

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

(les deux font la même chose, et ont été trouvés ici )

Le formatage nécessite quelques efforts (de nombreux symboles ne sont pas convertis correctement) et les images ne sont pas récupérées .

http://www.djvu-pdf.com/ - Ce site web vous permet de convertir djvu en pdf.

Le moyen le plus simple: utilisez gscan2pdf pour importer le djvu, puis faites-le avec OCR avec tesseract, puis sauvegardez-le au format PDF. Le texte OCR dans le pdf peut être légèrement différent du djvu original, et la conversion peut prendre un certain temps, mais cette méthode est une évidence et elle fonctionne.

J'ai fait un script de la réponse de @ zetah.

Il est disponible ici: https://gist.github.com/matthieuheitz/7287e214b1aeda7948f6c27fbfb5288b