Не дежавю

[fregimus]

Встречаю множество книг, оцифрованных в формате DJVU. Не могу понять, чем так привлекает этот формат. Возможно, для каких-то применений он и хорош, но для книг не годится.

Если книга в PDF, я могу в ней с помощью Акробата расставить иерархические закладки, могу проиндексировать ее для быстрого поиска, могу собирать библиотеки и индексировать их. Windows «заглядывает» в PDF, когда индексирует файлы для текстового поиска. Много еще чего можно делать, но это самое главное, чего мне недостает. Казалось бы, велика беда, но ведь и этого-то нет в стандартной программе для просмотра файлов DJVU! Не говорю о том, насколько неудобна эта программа. Все надо делать мышью (можно, конечно, через Alt в меню ходить, но это тоже неудобно) Если книга без текстового слоя, все, что я могу с ней сделать — полистать. Могу еще через меню выбрать на какую страницу перейти, но этот формат даже нумерацию секций не поддерживает — так что я и по оглавлению не найду нужную страницу! Lose, lose!

Здесь все понятно: много я видал въезжающих на белом коне в занятые кем-то другим ниши, да выглядели они потом бледно. С Акробатом конкурировать сложновато, уж очень он продуман хорошо. Да и LizardTech, как понимаю, забросил это дело и переориентировался с цифровых документов на картографию.

Самое странное, что формат кажется «запертым». Он вроде бы «открытый», но ощущение такое, что не особенно он открытый. Несколько раз пытался найти программы для перекодировки этих файлов в, например, PDF — тщетно. Пытался даже напечатать на виртуальный принтер, но печатается растровый образ страницы. Экспорт — пожалуйста, но по одной странице, и только графика. Утилита для экспорта в PostScript тоже только графику экспортирует. Когда я почитал документацию, оказалось, что, хотя формат сам по себе открытый, кусочки его все-таки засекреченные: компрессия, например, текста. Где-то законные ограничения, где-то кода нет. Дело темное.

Не бывает ли на свете такой программы, чтобы перекодировать DJVU, содержащий текстовый слой, в PDF, не теряя при этом текст и его расположение на текстовом слое?

Comments

[randomisator.livejournal.com]

Плюс djvu - то, что он меньше места занимает. При сканировании выигрыш в объёме может оказаться десятикратным. Поэтому для книг его и используют, всё-таки 10 Мб и 100 Мб - рзница ощутимая.

[fregimus.livejournal.com]

У меня нет проблем с местом, где я мог бы хранить столько книг, во сколько я за всю жизнь хотя бы просто загляну. Она не такая длинная, как это поначалу кажется…

Не все так страшно

[vadim-i-z.livejournal.com]

Есть djvu с текстовым слоем. Это зависит от того, делался ли OCR при перекодировке - как и в pdf, кстати. Для таких файлов есть опция "экспортировать текст", коей я и пользовался неоднократно.
Файлу djvu легко присобачить многоуровневое оглавление, оно же иерархические закладки. Если хотите, скажу, как :-).

Re: Не все так страшно

[fregimus.livejournal.com]

Спасибо, наверное, пока не хочу, хочу в PDF вместе с текстом, но, если не удастся то, чего я хочу, то тогда начну хотеть того, что Вы предлагаете. Тогда Вас расспрошу, хорошо?

А в какой программе эта опция — экспортировать текст? Выделить и копировать текст могу, а вот экспортировать — нет.

Re: Не все так страшно

[misologus.livejournal.com]

Как присобачить оглавление?

[inkogniton.livejournal.com]

о, если Вам чего дельного насоветуют, скажите мне тоже, а? тоже мучаюсь.....

Трижды фигня :)

[runixonline.livejournal.com]

Извините - но Вы ТРИЖДЫ сказали фигню . DJVU имеет массу преимуществ перед PDF при работе с ИЗНАЧАЛЬНО БУМАЖНЫМИ ( отсканироваными ) документами

Немного матчасти
1. Все вышеперечесленые "вкусности" есть только в PDF , изначально созданом как компьютерный документ. А в мире масса PDF документов в кторых лежат только голые сканы. Там все это НЕ работает - есть только чудовищных размеров файлище с картинками

2. Да в DJVU создавался в первую очередь для хранения ОТСКАНИРОВАНЫХ ( изначально бумажных) документов. И здесь он бьет акробат вчистую - файлы намного меньше при том же качестве просмотра .Но OCR слой в него таже вставляется .. просто большинство DJVUiys[ rybu ltkf.n k.,bntkb b bv 'nbv ktym pfvjhfxbdfnmcz/

3. В DJVU точно также можно вставить OCR слой , и потом индексировать для быстрого поиска, вставлять закладки и т.д как сделать - см здесь и далее - по ссылкам (http://rus7.com/node/16)

Единственное. чем не интерсовался - как винду заставить его индексировать.


Программа перекодировки есть. Fine Reader 9 называется .:) При наличии ОСR слоя распознает его прекрасно ( правда надо чуток над ним пошаманить - в официальной поставке нужных DLL нет, они есть толко в SDK .... но найти их труда не составит )

Re: Трижды фигня :)

[runixonline.livejournal.com]

ПС Просто большинство DJVU - это неофициальные ( пиратские ) сканы книг - обычно пирату лень вылизывать текст

Re: Трижды фигня :)

[allambee.livejournal.com]

индексируются при помощи djvu ifilter, который раньше можно было скачать с сайта того же lizardtech, а сейчас он должен быть на сайте celartem, только тот не открывается у меня. под гну/линукс тоже индексируются - через djvulibre. иерархию закладок okular пока не поддерживает.

[todofmm.livejournal.com]

Отсканированная книга в любом случае ценна.
И DJVU легче, кстати, что для неновых машин весьма полезно.

[fregimus.livejournal.com]

Отсканированная книга в любом случае ценна.
…но неотсканированная обычно ценнее! :-)

А не новую машину мне где взять? Музей грабить, да? Нехорошо! :-)

[ex-kosilova.livejournal.com]

первое что пришло в голову, но вам уже сказали - прогоните через файнридер и сохраните в ПДФ!

[fregimus.livejournal.com]

Так там уже есть текст — и распознанный, и вычитанный. Если DJVU без текста — никаких проблем, конечно, нет.

[rwalk.livejournal.com]

Сейчас специально сравнил - взял первый попавшийся djvu файл (Lecture Notes 70-x годов, 200 страниц машинописного текста с вписанными формулами) - занимает 1400К; после печати на виртуальном PDF принтере получается примерно по 100К на страницу. Разница в 10 с лишним раз. Насчет pdf и djvu - это ведь по-моему разные вещи (пусть специалисты поправят): djvu, насколько я понимаю, - это ведь изначально чисто графический формат (замена jpg), а оболочка Document Express, действительно, довольно кустарная (хотя рудиментарные средства для комментирования имеются).
Идеальным было бы, конечно, если бы он был в акробат зашит (а так в акробате как графика хранится? в jpg?).

[fregimus.livejournal.com]

В PDF графика по-разному хранится — это довольно развесистый формат. Монохромное изображение — обычно CCITT G4. Если с потерями, как в DJVU, JBIG2. Цветные и полутоновые изображения могут быть JPEG, JPEG2K, последний поддерживает lossless compression. В версии формата 1.6 добавился метод ZIP (не знаю, имеет ли это отношение к одноименному архиватору), lossless, для любой цветности.

[miram.livejournal.com]

Гугл по запросу djvu2pdf выдает много разного; сам не пробовал.

[fregimus.livejournal.com]

Спасибо. Как только ни искал, но вот такое слово еще не пробовал!

[rednyrg721.livejournal.com]

Видел вот такое, сам не пробовал, правда: http://www.stdutility.com/stduviewer.html
Но конвертер вроде денег стоит, а вьюер бесплатный.

[fregimus.livejournal.com]

Спасибо, попробую. За $30 можно запросто купить, если работает. Обязательно Вам скажу, что выйдет.

[yurvor.livejournal.com]

Насколько я понимаю, DJVU хорош прежде всего тем, что книги в него легко переводятся. Это в действительности формат для хранения картинок, оптимизированный в предположении, что на картинках будет в основном текст. А сам текстовый слой вообще говоря опционален.

Тем самым порог ввода в обращение бумажных документов получается довольно низок. А уж распознаванием можно и потом заняться, если кто хочет.

[fregimus.livejournal.com]

Спасибо. Не хочу. Более того, распознаванием уже кто-то позанимался, потому что текстовый layer уже есть. Теперь бы эту книгу только в такой вид перевести, чтобы с ней работать можно было. Вот последний шаг остался.

[http://users.livejournal.com/taras_/]

djvu - графический формат с алгоритмом сжатия, оптимизированным под отсканированные тексты. Преимущество - быстрое изготовление электронных книг (ни распознавания, ни вычитки, ни форматирования, ни проблем с формулами в физ-мат книгах) при малом размере получаемых файлов.

http://djvu-inf.narod.ru (http://djvu-inf.narod.ru)

[fregimus.livejournal.com]

Очень рад за Вас, что у Вас нет проблем. Спасибо, что поделились счастьем!

[sciuro.livejournal.com]

Угу, угу. Плюс много.

У djvu типа все есть, но, как сказано выше, "надо немного пошаманить". Зато целых лишних три мегабайта освободится! Какое-то порожденье хомячиного рефлекса. Как скачать книгу и как хранить - очевидно, как с ней работать - редкого хомяка это беспокоит; редкий хомяк по природе своей шаман.

Надеюсь, что с нынешними ценами на носители (и ростом пропускной способностью каналов) основной аргумент в пользу этой штуки постепенно потеряет смысл.

[yurvor.livejournal.com]

Основной аргумент состоит не в том, что он занимает меньше места, а в том, что переводить _бумажные_ носители в этот формат проще, чем во что либо ещё. И этот аргумент вряд ли потеряет смысл скоро...

[arno1251.livejournal.com]

Мне нравится дежавю тем, что он не замороченный. Сканы переводятся в этот формат на раз-два-три. Места занимает мало. Оглавление прикрутить - раз плюнуть. Совершенно спокойно скручивается в bundle и раскручивается в indirect.
Вот, например, этот сайт я изваял за неделю неспешной работы (начиная от сканирования и заканчивая публикацией)
http://blat1927.narod.ru/
Наверное, то, что Вы говорите о PDF, очень ценно, но я, честно, не знаю, для чего это мне всё надо. Закладку-то в офлайновом документе поставить можно, но как мне сослаться на конкретную страницу в сетевом документе? На листочки разбивать, как мы с fad_gel в проекте ЭССЯ сделали?
А DjVu имеет такую возможность врождённо.

[fregimus.livejournal.com]

Думаю, у нас с Вами цели просто разные. Для сети хорошо, согласен совершенно. etymolog.ruslang.ru — тоже ведь Ваша работа? Очень удобно, когда есть поиск, и тут же ссылка на страницу. А вот загрузил я как раз только что словарь весь в djvu — в нем и текстовый слой есть, а вот пользоваться словарем нельзя, без индекса-то. Подумал, насколько в бумажном словаре поиск все-таки проще, чем в djvuшной книге (!!!). У нового Акробата есть preview, маленькое окошко, что автоматически вылезает, когда зацепите мышкой вертикальный scrollbar, но и это мало поможет, если в этом окошке будет не разглядеть индексных букв в колонтитуле. Тут только закладки бы спасли, да нет их, и не сделать их мне — 1000 с гаком страниц. Хорошо, что словарь мне не понравился… :-)

PDF тоже умеет приезжать по частям, но не знаю, как это так делают. Посмотрите, если интересно, www.mouser.com — электронный посылторг такой — там и каталог листается, и дерево закладок есть.

А насчет моего практического вопроса не знаете, что можно придумать? Вы ведь знаете все на свете и еще кое-что про обработку и хранение текстов. :-)

[sciuro.livejournal.com]

Еще есть побочный эффект - раз погнавшись за ужатием файла, не все знают, когда остановиться. В результате из приличного скана получаются легко переносимые на дискете :) но нечитаемые картинки в djvu. Djvu тут вроде как ни при чем, но когда на каком-нибудь обменнике кладут исходный pdf и пережатый djvu, очень часто, просмотрев оба, я вижу, что надо было скачивать pdf, а там уже перегонять его, если нужно.

[janatem.livejournal.com]

Я не понимаю, о чем спор. Почему пилой нельзя рубить как топором?

Уже несколько комментаторов указало на то, что djvu служит лишь для хранения отсканированных текстов. (Т.е. это не более чем _графический_ формат, оптимизированный под текст.)

Предлагаю считать, что djvu -- это то же самое что bmp (или, точнее высококачественный jpeg). Разница только в размерах файлов.

А чтобы получить "нормальный" текст все равно надо заниматься распознаванием и т.д...

[fregimus.livejournal.com]

Никакого спора нет. Есть (1) DJVU с текстовым слоем и (2) вопрос, как превратить его в PDF, не потеряв оный слой.

[f-andrey.livejournal.com]

Эх как обычно и бывает в истории DJVU незаслужено забытый стандарт, немного покопавшись в поисковике нашёл страничку в вики (http://en.wikipedia.org/wiki/DjVu) и одну презентацию (http://www.icao.int/djvu/pr/index.html) посмотрев которые можно понять зачем был изобретен стандарт, как правильно тут замечали для того чтоб книжки были отсканированны в хорошем качестве и занимали немного места, второе было весьма актуально ведь на дворе то был район 2000, и если вспомнить не винчестеры ни каналы связи тогда не были настолько широкими как сейчас.
А сгубило его насколько мне помнится дурацкая позиция AT&T открытыми они сделали только плагин, и довольно убогий редактор, более продвинутый редактор помнится продавался, но и как то они потом охладели к этой идеи и забросили, а жаль.

[fregimus.livejournal.com]

Конечно, жаль — немного дыхания конкурентов в затылок Adobe нам всем было бы полезно, ведь многие вещи можно было бы в Акробате улучшить. Но, увы, DJVU отстал в этом забеге безнадежно; все-таки фора и PDF как формата, и Акробата как программы была огромна.

Но то, что эти идеи забросили, в данном случае для меня стало практической проблемой, которую вот — как решать? Меня, эгоистичного, моя собственная судьба беспокоит несколько больше оной формата DJVU…

[yaguanodont.livejournal.com]

Нет, при взгляде на страницы совершенно очевидно, что это сканы.

Интересно, существуют ли в природе противоположные примеры.
Если вы выполняли печать в файл pdf, то софт вполне мог сохранять изображения в разрешении принтера, а не в разрешении исходной картинки, так что увеличение размера легко объяснимо. Было бы интереснее, если бы кто-то сделал из одних и тех же картинок книгу в pdf и в djvu. Вот тогда можно было бы сравнить размер.

[fregimus.livejournal.com]

Если вы выполняли печать в файл pdf,
В этом случае сохраняется текст, шрифт и его расположение на странице. Увеличивать можно хоть до буквы во весь экран: результат не будет «пикселизованным». «Рисованные» картинки в виде векторной графики. Растр будет сохранен только в том случае, когда был напечатан растр. Разумеется, если напечатать сканированное изображение, то страница в PDF так и будет состоять из одного растрового изображения.

Размер разный, но причина в другом: DJVU, насколько я понимаю, — lossy, как JPEG. Выше головы не прыгнешь, чудес не бывает: информационная энтропия изображения ровно такова и не более, поэтому предел любого lossless сжатия (такого, чтобы исходная картинка распаковалась на экране с точностью до каждого пиксела) есть, и он довольно близок к тому, что вы достигнете TIFF, GIF, PNG. Поэтому сравнение по занимаемому объему lossy, теряющего детали DJVU и lossless PDF во-первых, некорректно, а во-вторых, всегда в пользу DJVU.

[aamonster.livejournal.com]

DJVU - отнюдь не конкурент акробату. Он совсем для другого делался.

[aamonster.livejournal.com]

А по теме - можно, наверное, попытаться тупо прогнать через файнридер. Конечно, текст будет OCR-иться заново - но все равно вряд ли он в djvu с текстом правленый.