Как разделить файл djvu

Загрузка [ изменить ]

Нажмите "Загрузить" в правом верхнем углу. Загрузка во флэш-память (стандартная кнопка «Поделиться») не будет работать с Firefox (вместо этого используйте Opera или Internet Explorer [10]) или Linux. Вы можете использовать стандартный метод JavaScript без флэш-памяти (хотя для Firefox существует ограничение на размер файла в 2 ГБ, но не для Chromium); Загрузка по FTP устарела, потому что она медленнее и дает сбои, но это единственная простая в освоении возможность, если вам нужно загрузить много файлов (чего здесь быть не должно).

Уловки OCR [ изменить ]

Когда загрузка будет завершена, Интернет-архив начнет работу по «извлечению»: OCR для создания XML-документа обнаруженного текста на основе загруженного PDF-файла, затем преобразование его в файл DjVu со встроенным текстом, создание простого текстового файла дампа, среди прочего. [11]

Не забудьте установить правильный язык в метаданных перед запуском вывода (который запускается автоматически после загрузки, если есть что-то для вывода), в противном случае язык OCR будет установлен на английский, и результаты будут плохими для основанных на произведениях. на любом другом языке. Невозможно установить несколько языков OCR, но вам предлагается загрузить одну и ту же книгу дважды с двумя языками, чтобы иметь два OCR. [12] Продолжительность обработки зависит от размера и сложности вашего файла, а также от текущего объема невыполненных тестов преобразования в Интернет-архиве. [13] Вы можете проверить свой прогресс в очереди здесь и получить более подробную информацию о отправленных вами заданиях здесь (необходимо войти в систему).

Интернет-архив использует профессиональное, проприетарное, коммерческое программное обеспечение ABBYY [14] с неплохими изображениями и выводом OCR на многих языках и шрифтах и ​​агрессивным сжатием [15], что обеспечивает высокое качество конечного файла DjVu. [1] Однако Интернет-архив иногда создает чрезмерно сжатые файлы DjVu низкого качества. Если это произойдет, вы часто можете загрузить PDF-документ и конвертировать вручную. Вы можете уменьшить разрешение, на которое нацелен вывод, которое обычно устанавливается автоматически путем «угадывания» через поле с фиксированным значением ppi, установив его на 300 (dpi) или ниже, чтобы уменьшить размеры, время обработки и (иногда) ошибки.< /p>

Форматы изображений [ редактировать ]

Отсканированные книги, разбитые на несколько изображений в формате tiff, jpg, jp2 (другие форматы не принимаются), также конвертируются («производятся»), если вы поместите их в правильно созданный архив tar или zip. [16] Обычно лучше загружать несжатые сканы или файлы JPEG; файлы jp2, созданные в процессе деривации, сжаты таким образом, что вы не сможете эмулировать их без особых усилий.

Устранение неполадок [ изменить ]

DjVu в текст [ изменить ]

OCR через Any2DjVu [ редактировать ]

Опция OCR, доступная в бесплатном сервисе преобразования Any2DjVu, выполняет распознавание отсканированного изображения, но полученный текст встроен в сам файл .djvu и должен быть извлечен, чтобы его можно было использовать в Wikisource.

Один из способов сделать это — использовать программное обеспечение DjVuLibre для извлечения текста с помощью такой команды, как

JVbot может автоматически загружать текстовый слой DJVU на страницы Wikisource. Например, Роберт Брюс и борьба за независимость Шотландии - 1909 год.

OCR через интернет-архив [ редактировать ]

См. выше: если вы загружаете файл DjVu, процесс извлечения распознает его.

OCR с помощью Tesseract [ изменить ]

OCR можно выполнять с помощью Tesseract, бесплатного программного обеспечения OCR и скрипта:

. Перл скрипт. , немного более удобный скрипт Python. На основе Perl-скрипта.

OCR с Tesseract 3.x и другими бесплатными механизмами OCR [ редактировать ]

DjVu в изображения [ редактировать ]

Линукс [ изменить ]

Чтобы извлечь изображения из файла DjVu, вы можете использовать ddjvu

Если вы сделали все страницы (без -page=** ), вы можете разделить многостраничный tiff на отдельные страницы png (или любого другого формата)

Извлечь все страницы в отдельные страницы в формате tiff с качеством 80%.

Управление [ редактировать ]

Разделение файлов DjVu [ редактировать ]

Документы DjVu бывают двух видов: в комплекте и отдельно (непрямые); последний формат хранит каждую страницу в отдельном файле. Комментарий ниже, сделанный первоначальным автором, касается только пакетных документов, которых следует избегать.

Большие работы не могут быть загружены на серверы Викимедиа, которые имеют ограничение на загрузку 100 МБ. Чтобы разделить DjVu, используйте DjVuLibre «Сохранить как» и укажите диапазон страниц, при котором будет создан файл, достаточно маленький для загрузки. Могут потребоваться некоторые пробы и ошибки.

Проще всего разделить файлы DjVu из командной строки с помощью djvmcvt:

Кроме того, djvused можно использовать из командной строки:

Это можно сделать для каждой страницы. Чтобы узнать номер страницы файла:

Удаление страницы авторских прав [ изменить ]

Такие страницы с авторскими правами и другие посторонние материалы могут быть удалены с помощью DjVuLibre, программы с открытым исходным кодом, поддерживаемой изобретателями djvu под лицензией GNU Public License. Двоичные файлы доступны для Windows, Mac, Linux, Solaris и IRIX. Он включает djvm.exe, который запускается как утилита командной строки. Если вы не можете понять, как это сделать, вы можете написать Mkoyle (говорить), и он сделает это для вашего файла и отправит вам файл по электронной почте для загрузки. Командная строка для удаления (-d) первой страницы (1) выглядит следующим образом:

Вставка новых страниц (например, заполнителя) [ изменить ]

Если в файле DJVU отсутствуют страницы, вы можете вставить заполнители, чтобы, если страницы будут найдены и вставлены позже, существующие страницы не нужно было перемещать. В качестве заполнителя можно использовать File:Generic placeholder page.djvu.

Примечание. Работайте в обратном порядке, начиная с последней отсутствующей страницы в файле, чтобы не пересчитывать номера страниц при вставке страниц.

Отображение определенной страницы [ изменить ]

[[Файл. ]] тег link принимает именованный параметр page, чтобы, например, этот вики-код отображал справа изображение 164-й страницы файла Emily Dickinson Poems (1890).djvu шириной 150 пикселей (задняя обложка книга, не содержащая текста):

Изображение страницы может отображаться в основном пространстве Википедии книг, как и в случае с Личными воспоминаниями о Жанне д'Арк/Книгой I/Главой 2, используя:

Примечания [ изменить ]

Однако обратите внимание, что если ваш PDF-файл взят из GoogleBooks и содержит уведомление об отказе от ответственности на первой странице, процесс извлечения обнаружит скрытый текстовый слой на странице отказа от ответственности, предполагая, что остальные страницы в PDF-файле также содержат текстовые слои тоже, когда они никогда этого не делают, и вообще пропускают автоматическое создание второго PDF-файла. Сохранение страницы с заявлением об отказе от ответственности, но удаление с нее всего скрытого текста является оптимальным подходом по причинам, связанным с одновременным созданием бесплатного файла DjVu. крайним средством является удаление страницы с отказом от ответственности.

Это краткий обзор того, как я обычно создаю DjVu-сканирование старого общедоступного домена или другой бесплатной работы, готовое к использованию в Википедии.

• Часто я сам не владею соответствующими произведениями, поэтому я посещаю библиотеку, в которой они есть. Меня больше всего интересуют статьи из старых журналов по математике, и большинство библиотек предоставляют их только для справки, а не для заимствования. Так что я должен использовать местный копировальный аппарат. Обычно я позволяю машине отправлять копии прямо на мой личный адрес электронной почты в формате TIFF или PDF с разрешением 300 или 400 точек на дюйм. Плата не только намного меньше, чем за создание печатных копий, но и экономит дополнительный шаг A/D, что приводит к более высокому качеству вывода. К тому же библиотечные копировальные аппараты намного быстрее моего личного сканера. К сожалению, эта опция недоступна в небольших библиотеках со старыми копировальными аппаратами.
• Когда я работаю с необработанными сканами, я использую формат файла PBM (это формат, созданный моим личным сканером).
  • Чтобы преобразовать файлы TIFF в PBM, я сначала создаю подкаталог с именем tifdir и разбиваю исходный файл TIFF на отдельные страницы с помощью программы tiffsplit из libtiff:
  • Для преобразования PDF-файлов в PBM я использую утилиту pdfimages из пакета Xpdf. Формат выходного файла зависит от формата изображения, встроенного в PDF. Если это еще не PBM, вы можете использовать convert, как описано выше, чтобы преобразовать файлы в PBM.
  • Иногда файлы PBM необходимо обрезать перед преобразованием в формат DjVu. Для этого я использую простенькую самодельную программу pbmextract, которая позволяет вам указать координаты прямоугольника извлечения (чтобы вы могли считать их непосредственно из какой-нибудь программы обработки изображений, такой как GIMP). Причина, по которой я не использую какое-либо готовое программное обеспечение для обработки изображений, заключается в том, что оно часто недостаточно способно обрабатывать двухтональные файлы.
  • Когда у меня есть готовые файлы PBM, я конвертирую их в DjVu с помощью программ cjb2 и djvm из пакета DjVuLibre:
  • Готовый DjVu можно загрузить в Commons. Не забудьте заполнить информационный шаблон, указать лицензию и классифицировать. Пример: commons:Image:Über die Vertauschung von Argument und Parameter in den Integralen der linearen Differentialgleichungen.djvu.
  • После загрузки файла в общий доступ текст необходимо расшифровать и откорректировать для использования в Википедии (или провести распознавание текста, но программное обеспечение распознавания текста не очень хорошо работает с текстами, содержащими большое количество математических символов). Расширение ProofreadPage значительно упрощает этот процесс. См. также Справка:Просмотр изображений рядом для проверки.

  Содержание

  Справка DJVU [ изменить ]

  Есть ли бесплатное программное обеспечение, которое я могу скачать для редактирования файлов DJVU? Я использую DjVu Solo 3.1, но в последнее время большинство файлов говорят, что версия слишком старая и их невозможно прочитать, поэтому я должен обновить. Но не могу найти более свежую версию DjVu Solo. Итак, кто-нибудь знает, где я могу получить последнюю версию DjVu Solo или последнюю версию какой-либо другой программы редактирования DJVU? Angr 16:47, 4 декабря 2008 г. (UTC) [ответить]

  двойные страницы в djvu [ редактировать ]

  С помощью Help:DjVu files мне удалось создать файл djvu из моих сканов png. Но остается одна проблема: мои сканы были сканами двойных страниц, всегда левой и правой стороны на одном png. Таким образом, мое сканирование 180-страничной книги дает djvu из 90 страниц. Есть ли какой-либо удобный способ разделить исходные png или страницы в djvu, чтобы я получил djvu со 180 страницами? Кто-нибудь знает, как решить эту проблему? --Slomox (обсуждение) 15:08, 18 февраля 2009 г. (UTC) [ответить]

  Я постоянно делаю что-то подобное, но под Linux. Для файлов с номерами от 001.jpg до 999.jpg, размером 3500 пикселей и разрешением 300 DPI:

  Если это не ровные страницы, половина ширины (в данном случае 1750) может не работать, и вы также можете немного обрезать края. Если сканы не совсем ровные, возможно, вам придется изменить это значение в середине книги. Возможно, это менее чем полезно, но я делаю это именно так. -- Просфилы (разговор) 16:47, 18 февраля 2009 г. (UTC) [ответ]

  • Утилита unpaper, которую я обычно стараюсь использовать при очистке отсканированных страниц, при необходимости преобразует одно отсканированное изображение двух расположенных рядом страниц в два отдельных выходных файла (см. --input-pages и -- опции output-pages в документации). Он полуинтеллектуальным образом находит нужный контент для каждой страницы, ища поля, состоящие в основном из пустого пространства. Я был доволен его выходом до сих пор. Tarmstro99 (разговор) 17:15, 18 февраля 2009 г. (UTC) [ответить]

  Опасения по поводу точности файлов DjVu Интернет-архива [ править ]

  Вслед за моим обсуждением «таинственного символа» выше, у меня есть серьезные опасения по поводу природы кодирования DjVu, используемого Интернет-архивом, и можно ли считать результаты достоверными сканами.

  Вот изображение абзаца, взятое из необработанных tif-файлов, предоставленных в Интернет-архив Google Книгами:

  А вот тот же абзац после того, как Интернет-архив закодировал его в файл DjVu:

  Если вы присмотритесь, то увидите это

  1. R и E слова "GREVILLEA" выглядят совсем по-другому на скане Google Книг, но они были преобразованы в точно такой же глиф в файле DjVu Интернет-архива; и
  2. Буквы "u" в словах "frutices" и "aemulis" были преобразованы в буквы N с маленькой заглавной.

  Что меня беспокоит, так это то, что я не могу понять, как это могло бы произойти, если бы кодировщик DjVu Интернет-архива не знал что-то о том, какие глифы можно ожидать найти на странице, и не готов предположить, какой из них правильно — процесс, эквивалентный низкоуровневому распознаванию символов.Если дело в том, что обработка DjVu Интернет-архива угадывает глифы, а не точно воспроизводит то, что он видит, то это ставит под сомнение то, как мы здесь работаем. Какой смысл использовать сканы для обеспечения точности, если самим сканам не хватает точности?

  Hesperian 01:29, 10 сентября 2009 г. (UTC) [ответ]

  Если подумать, кодировщику не нужно заранее знать о конкретных глифах. Этот вывод так же легко объясняется тем, что кодировщик предполагает, что существует относительно небольшое количество глифов, и пытается сгруппировать экземпляры глифов, которые он находит, в это количество классов глифов. Но это в значительной степени не имеет значения; неверность есть неверность независимо от причины. Hesperian 01:53, 10 сентября 2009 г. (UTC) [ответить]

  Выглядит плохо Concern Arlen22 (обсуждение) 01:36, 10 сентября 2009 г. (UTC) [ответить]

  Обратите внимание, однако, что это правильно, когда одно и то же слово появляется внизу. Странно Если сомневаетесь, выбросьте Arlen22 (обсуждение) 01:39, 10 сентября 2009 (UTC) [ ответить ]

  "Текстовые области сжимаются следующим образом: пиксели переднего плана в областях группируются в символы. Затем создается и кодируется словарь символов, как правило, также с использованием контекстно-зависимого арифметического кодирования, а области кодируются путем описания того, какие символы появляется где. Как правило, символ будет соответствовать символу текста, но метод сжатия не требует этого. При сжатии с потерями можно пренебречь разницей между похожими символами (например, немного разными отпечатками одной и той же буквы). /p>

  «Ключом к методу сжатия [JB2] является метод использования информации в ранее встреченных символах (знаках) без риска внесения ошибок замены символов, присущих использованию OCR [1]. метки группируются иерархически.Некоторые метки сжимаются и кодируются напрямую с использованием арифметического кодирования (аналогично стандарту JBIG1).Другие метки сжимаются и кодируются косвенно на основе ранее закодированных меток, также с использованием статистической модели и арифметического кодирования. знак, используемый для помощи в кодировании данного знака, мог быть закодирован прямо или косвенно».
  — DjVu: анализ и сжатие отсканированных документов для распространения в Интернете.[1] Хаффнер и др. Лаборатория AT&T – исследования

  — «Так оно и есть», Воннегут.
  — Вздох, Cygnis insignis (обсуждение) 03:52, 10 сентября 2009 г. (UTC) [ответить]

  
  По-видимому, результатом этого является то, что эта проблема присуща DjVu, а не конкретно кодировщику Internet Archive. В этом виноват только Интернет-архив, поскольку они используют сжатие с очень большими потерями. Это плохие новости со всех сторон. :-( Hesperian 04:10, 10 сентября 2009 (UTC) [ответить]

  Важно подчеркнуть, что это является следствием конкретных настроек сжатия, которые IA выбрала для своего кодировщика djvu. Более разумные настройки могут дать лучшие результаты. Я взял самое верхнее изображение png из этого поста, преобразовал в PAM и прогнал его через кодировщик c44 djvu с настройками по умолчанию. Результат:

  Ни в коем случае не идеально — было бы лучше начать с исходного TIFF, а не с PNG; а настройка параметров сжатия или использование масок для изоляции текста на переднем плане могли бы создать файл меньшего размера с сопоставимым качеством изображения. Но я думаю, что это большое улучшение по сравнению со сканированием IA. Я предполагаю, что урок здесь состоит в том, чтобы делать наши собственные преобразования djvu всякий раз, когда это возможно. Tarmstro99 (обсуждение) 13:16, 11 сентября 2009 г. (UTC) [ответ] Я не особо участвую в этом проекте, но не следует ли нам сделать собственные DJVU для этих работ? Если мы даже не можем проверить сканы, они нам не очень нужны.— Жаладшар (Обсуждение) 16:21, 11 сентября 2009 г. (UTC) [ ответить ] support Arlen22 (обсуждение) 18:00, 11 сентября 2009 г. ( UTC) [ответ]

  Затем я беру файлы из каталога tiff и использую gscan2pdf для создания файла djvu. Похоже, что djvu примерно того же качества, что и оригинальные tiff, и хорошего размера. Надеюсь, это поможет. --Mattwj2002 (разговор) 18:42, 26 сентября 2009 г. (UTC) [ответить]

  • • • • Еще один момент: некоторые tif-файлы тоже плохого качества (из интернет-архива). Хорошим источником могут быть pdf-файлы непосредственно из Google. Если вы пойдете по этому пути, я рекомендую следующие команды (имейте в виду, что это требует много оперативной памяти и времени):

        Это можно сделать с помощью Windows или Linux. Надеюсь, это поможет. --Mattwj2002 (обсуждение) 09:27, 27 сентября 2009 г. (UTC) [ответить]

        Другой способ [ изменить ]

        Я использую бесплатные программы ImageMagick и DjvuLibre.

        Для типичных страниц с черным текстом на белой бумаге используйте ImageMagick для преобразования формата tif/jp2/любого в формат pbm.Формат PBM является битональным — каждый пиксель либо полностью черный, либо полностью белый. Таким образом, преобразование большей части скана в этот формат дает огромное сжатие. Как правило, «конвертировать page1.tif page1.pbm» дает разумный результат, хотя вы можете возиться с ручным пороговым значением, если хотите. Все зависит от того, сколько усилий вы готовы вложить в изучение ImageMagick. Кодировщик DjVuLibre cjb2 преобразует изображение PBM в файл DjVu для вас.

        Для страниц с иллюстрациями конвертируйте в PGM для серых изображений или в PPM для цветных изображений. Затем используйте кодировщик DjVuLibre c44 для кодирования в DjVu.

        Наконец, используйте djvm DjVuLibre, чтобы скомпилировать все одностраничные файлы djvu в один многостраничный djvu. Я обнаружил, что перечисление всех файлов одновременно с параметром -c не работает. Вам нужно добавлять по одной странице за раз.

        Что касается того, как управлять всем этим, а не с помощью сценариев, я обнаружил, что получаю гораздо больше контроля и гораздо больше гибкости, перечисляя страницы в электронной таблице и используя формулы для создания нужных команд. например, вы можете легко указать, какие страницы следует рассматривать как двухцветные, какие в оттенках серого и какой цвет, а также определить свои формулы для создания желаемой команды для каждого случая. Сделав это, нужно просто скопировать столбец команд и вставить его в командную строку. Это немного низкопробно, но действительно работает хорошо.

        Читайте также:

          
        • Как установить вк на компьютер
          
        • Как открыть файл idb
          
        • Как подключить umidigi f2 к компьютеру
          
        • Что такое папка на компьютере
          
        • Что такое анализатор программного обеспечения avast