将DJVU转换为PDF

我想将DJVU文档转换为PDF文档，分离并保留文本层和图像，同时还要保持 DJVU 的结构。如何在Ubuntu中做到这一点？

（然后，我将使用Calibre转换为ePub / Mobi，因此，如果有用于整个过程的Calibre插件对我来说是完美的！）

注1：从打印了Evince，使用包从DJview，或任何出口ddjvu，是不是因为他们丢弃文字图层适当的解决办法，只能保存图像。

注意2：使用DJVULibre似乎仅提取文本层，而不会提取图片。同样，“手动”复制文本会丢失文档结构和图片。

方法1

只需使用DJView并导出为PDF

1. 转到突触包管理器
2. 安装DJview4
3. 运行DJview（应用程序-图形-DJView4）
4. 打开您的.djvu文档
5. ：菜单-导出为：PDF

方法二

根据需要打开djvu文件。
选择打印---->打印以
将.ps更改为.pdf，然后单击打印。

方法3

1. 转到突触包管理器

2. 安装

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

3. 转到终端并编写

    sudo apt-get install libtiff-tools
   

4. 转到存在djvu文件的目录。单击鼠标右键。转到“在终端中打开”选项。点击它。终端将打开。

5. 在那个终端写

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

方法4

还有一个在线转换器DjVu到PDF转换器

这是一种方法，需要一些不太常用的工具：

1. Ocrodjvu
2. pdfbeads，它有自己的要求，谷歌可以找到

我们可以使用djvu2hocr命令（从ocrodjvu包中）从DjVu文件中提取隐藏的文本层（它不执行任何OCR或类似操作，它仅提取具有几何形状的文本层），即：

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

sed 干预会纠正输出hOCR中的类名称（这只是简单的HTML文件）

现在，我们使用以下命令将DjVu页面提取为TIFF格式：

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

这样我们就可以将这些文件放入工作文件夹中：

sample.djvu
pg10.html
pg10.tif

这是pdfbeads发挥作用的地方，我们简单执行：

pdfbeads -o pg10.pdf

然后，这个漂亮的程序会处理此文件夹中的所有内容（具有相同基本名称的HTML和TIFF文件），并生成带有一些副产品的输出PDF文件：

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

与输入的DjVu文件相同，并且在其中包含文本层：

评论摘要：

下面冗长的评论讨论将DjVu文档页面中的较小图像表示为单独的对象，这是不容易实现的，因为DjVu文档页面本身只是具有可选文本层的单个图像，没有关于较小图像作为单独对象的“信息”。如果DjVu文档具有彩色图像，则通常将它们放置在背景层上；在这种情况下，用户可以利用ddjvu（仅提取背景层）和imagemagick（自动裁剪）之类的工具来仅输出图像而不是整个画布，但是无法自动创建PDF输出

另一种更合理但较慢的方法是使用常规的OCR GUI工具。gscan2pdf建议（> 1.0）作为Linux PC的可能候选者

有djvu2pdf，但是它依赖ghostscript，因此它可能是另一个打印选项。我仍然建议您看看它，以防万一它比我认为的要聪明。

它不在存储库中，但是您可以从制造商的网站下载Deb：http：//0x2a.at/s/projects/djvu2pdf

**在此处插入有关从存储库外部下载/安装内容的强制性通知**

使用DJVULibre，可以通过以下terminal命令提取文本层：

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

（两者都做同样的事情，并且在这里找到）

格式化需要一些努力（因为许多符号未正确转换）并且图片无法恢复。

http://www.djvu-pdf.com/-使用此网站，您可以将djvu转换为pdf。

最简单的方法：使用gscan2pdf导入djvu，然后使用tesseract对其进行OCR，最后将其另存为pdf。pdf中的OCR文本可能与原始djvu略有不同，并且转换可能需要一段时间，但是这种方法很简单，并且可以使用。

我写了一个@zetah的答案脚本。

它可以在这里找到：https : //gist.github.com/matthieuheitz/7287e214b1aeda7948f6c27fbfb5288b