将djvu转换为pdf并保存目录，这怎么可能？

我尝试了几种联机和脱机工具，但是在转换过程中未保留目录（TOC）信息。

我想转换一个5,000页的djvu格式的芬兰语字典，该字典具有大约5000个TOC条目，这些条目的层次结构可快速查找单词。

知道在DJVU到PDF转换期间如何保留TOC信息吗？

更新：user3124688已在脚本dpsprep中对该过程进行了编码。

我不知道会为您进行转换的任何工具。您当然应该能够做到，但是可能需要一点工作。我将概述基本过程。您将需要开源命令行实用程序pdftk和djvused（DjVuLibre的一部分）。这些文件可以从您的程序包管理器（GNU / Linux）或其网站（Windows，OS X）中获得。

• 步骤1：转换文件文本

  首先，使用任何工具将DJVU文件转换为PDF（无书签）。

  假设文件名为filename.djvu和filename.pdf。

• 步骤2：提取DJVU大纲

  接下来，将DJVU大纲数据输出到文件中，如下所示：

  djvused "filename.djvu" -e 'print-outline' > bmarks.out
  

  这是一个以序列化树格式列出DJVU文档书签的文件。实际上，这只是SEXPR，可以轻松地对其进行解析。格式如下：

  file ::= (bookmarks
             <bookmark>*)
  bookmark ::= (name
                 page
                 <bookmark>*)
  name ::= "<character>*"
  page ::= "#<digit>+"
  

  例如：

  (bookmarks
    ("bmark1"
      "#1")
    ("bmark2"
      "#5"
      ("bmark2subbmark1"
        "#6")
      ("bmark2subbmark2"
        "#7"))
    ("bmark3"
      "#9"
      ...))
  

• 步骤3：将DJVU大纲转换为PDF元数据格式

  现在，我们需要将这些书签转换为PDF元数据所需的格式。该文件的格式为：

  file ::= <entry>*
  entry ::= BookmarkBegin
            BookmarkTitle: <title>
            BookmarkLevel: <number>
            BookmarkPageNumber: <number>
  title ::= <character>*
  

  因此我们的示例将变为：

   BookmarkBegin
   BookmarkTitle: bmark1
   BookmarkLevel: 1
   BookmarkPageNumber: 1
   BookmarkBegin
   BookmarkTitle: bmark2
   BookmarkLevel: 1
   BookmarkPageNumber: 5
   BookmarkBegin
   BookmarkTitle: bmark2subbmark1
   BookmarkLevel: 2
   BookmarkPageNumber: 6
   BookmarkBegin
   BookmarkTitle: bmark2subbmark2
   BookmarkLevel: 2
   BookmarkPageNumber: 7
   BookmarkBegin
   BookmarkTitle: bmark3
   BookmarkLevel: 1
   BookmarkPageNumber: 9
  

  基本上，您只需要编写一个脚本来遍历SEXPR树，跟踪级别，并以正确的格式输出其涉及的每个条目的名称，页码和级别。

• 步骤4：提取PDF元数据并在转换后的书签中进行拼接

  获得转换后的列表后，从转换后的PDF文件中输出PDF元数据：

  pdftk "filename.pdf" dump_data > pdfmetadata.out
  

  现在，打开文件并找到开始的行： NumberOfPages:

  在此行之后插入转换后的书签。将新文件另存为pdfmetadata.in

• 第5步：使用书签创建PDF

  现在，我们可以创建一个包含以下元数据的新PDF文件：

  pdftk "filename.pdf" update_info "pdfmetadata.in" output out.pdf
  

  该文件out.pdf应该是PDF的副本，其中包含从DJVU文件导入的书签。

基于用户@pyrocrasty给出的非常清晰的轮廓（谢谢！），我实现了一个DJVU到PDF转换器，该转换器既保留OCR文本又保留书签结构。您可以在这里找到它：

https://github.com/kcroker/dpsprep

有关OCR数据的致谢，请访问Ubuntu论坛上的@zetah！