Que texto fica ao converter PDF para EPUB
Que texto fica ao converter PDF para EPUB é o próprio PDF que decide: só o texto que já consegue selecionar. Ao colocar um ficheiro em PDF para EPUB, o ReadyEPUB faz este navegador ler a camada de texto já existente, reuni-la linha a linha em títulos e parágrafos e escrever um novo EPUB. Não há início de sessão, nem registo, nem servidor de contas à espera do seu livro. A página não adivinha letras desenhadas numa imagem, nem transforma uma página-imagem em corpo de texto editável. Um ficheiro de cada vez. O que descarrega é um ficheiro novo que este dispositivo acabou de produzir.
O teste é simples e fiável. Arraste o rato por algumas linhas. Se as palavras ficam realçadas, estão na camada de texto e serão recolhidas. Se a página inteira é uma única imagem, essas palavras são pixéis para este navegador, não texto. É frequente o mesmo PDF ter as duas coisas: os primeiros capítulos em texto e um apêndice digitalizado no fim. O EPUB resultante só terá corpo de texto na primeira parte.
Só passa o texto já selecionável. Quando uma página digitalizada é apenas uma imagem, o seu texto não pode ser extraído. Aqui não há um passo de reconhecimento separado.
Uma página digitalizada não dá texto
Uma digitalização é papel transformado em imagem e metido dentro de um PDF. A página parece ter palavras, mas o ficheiro contém uma única imagem. Este navegador lê texto do PDF, não traços dentro de uma imagem. Por isso uma página digitalizada costuma deixar um capítulo vazio, ou a página diz que não há corpo de texto convertível naquele ficheiro. Para ter palavras que se possam selecionar e pesquisar é preciso partir de um PDF que já tenha camada de texto. O ReadyEPUB não acrescenta aqui esse passo de reconhecimento.
Há outro caso fácil de ler mal: as palavras selecionam-se, mas saem como caracteres estranhos, ou uma frase fica partida em bocados. É a própria camada de texto que está assim, muitas vezes por causa de um PDF exportado com uma codificação de letras invulgar. O novo EPUB segue essa camada tal como está, não a compõe de novo. Com um ficheiro assim, mais vale partir de um PDF exportado corretamente do que repetir a conversão.
- As palavras que ficam realçadas são recolhidas linha a linha como títulos ou parágrafos.
- Se a página inteira é uma única imagem, não sai texto.
- Se a camada de texto já vem danificada, o resultado continua danificado.
Paginações complexas ficam em parágrafos
Depois de recolhidas as palavras, a paginação não as acompanha. Colunas, cabeçalhos, rodapés e notas não voltam ao sítio original; uma página a duas colunas lê-se de cima para baixo e passa a parágrafo atrás de parágrafo. As palavras das tabelas também costumam espalhar-se por esses parágrafos. Um título sobreviver ou não depende de o PDF ter um nível reconhecível para ele; se não tiver, a linha é tratada como parágrafo normal. O EPUB que sai serve para ser recomposto num leitor, não para ser comparado com a página impressa.
Para onde vai o ficheiro é a outra coisa a esclarecer primeiro. Toda a conversão acontece neste navegador. Os ficheiros dos livros não são enviados para o ReadyEPUB, e não há início de sessão nem registo. Como os ficheiros são tratados traça esse limite. A única coisa que toca a rede à entrada é abrir a página: esta visita é contada uma vez pelo 51.LA, e o que se conta é que uma página foi aberta, não o seu PDF. No outro sentido, de EPUB para PDF, este navegador lê deste site as fontes para os caracteres que aparecem no livro e escreve esses caracteres no novo PDF. Lêem-se fontes, não se entrega o livro inteiro a outro sítio para ser paginado. Se desta vez as fontes não puderem ser lidas, a página diz que a conversão não resultou e pede para tentar outro ficheiro.
O seu livro não é enviado para o ReadyEPUB. O que descarrega é um ficheiro novo que este navegador acabou de criar, e o PDF original continua na sua pasta.
Acima de 300 páginas, este navegador para
Esta página tem dois limites claros. Um ficheiro de cada vez, e um ficheiro acima de 40 MB que este navegador não consegue tratar. Não é um servidor a recusar, é este navegador que não aceita um ficheiro maior. Um PDF acima de 300 páginas recebe o mesmo tipo de resposta: páginas a mais para este navegador tratar de uma vez. Ambas as mensagens aparecem na página à sua frente. Para um livro grosso, divida-o e passe as partes separadamente. Se a extensão não corresponder ao formato escolhido, a página pede para escolher de novo um ficheiro PDF.
O título, o autor e o código de língua podem ser alterados antes da conversão. Ao colocar o ficheiro, os dados bibliográficos legíveis preenchem primeiro os campos que ainda não tocou; um campo que editou não é substituído automaticamente. O que muda é a cópia prestes a ser descarregada, não o original na sua pasta. Um resultado ainda não descarregado só existe nesta visita. Ao atualizar ou fechar a página desaparece, por isso guarde primeiro o novo EPUB. O exemplo na página é uma pequena passagem feita aqui neste navegador para experimentar uma conversão, não é um livro vindo de outro sítio.
Confirme uma vez antes de enviar
Não envie o resultado logo. Abra o novo EPUB, vá ao meio para ver se há texto e procure uma palavra que só apareça no corpo. Se a encontrar, a camada de texto chegou. Se não encontrar, essas páginas eram provavelmente imagens. Um capítulo vazio, um apêndice em falta, notas desaparecidas são escolhas normais neste tipo de conversão, não um ficheiro estragado.
- Primeiro arraste algumas linhas para confirmar que as palavras se selecionam.
- Depois de converter, procure uma palavra do corpo para confirmar que a camada de texto está lá.
- Descarregue o que quiser guardar antes de fechar a página.
Se ainda não colocou nenhum ficheiro, volte ao conversor, escolha o formato de destino, abra PDF para EPUB e coloque um PDF cujas palavras se consigam selecionar. Um ficheiro de cada vez, descarregue mal esteja pronto. Para ler primeiro o limite, veja como os ficheiros são tratados; este artigo fala de para onde foram as palavras e lê-se ao lado do artigo da coluna sobre o percurso dos ficheiros.
O que envia é a cópia que descarregou. A outra pessoa recebe um novo EPUB, não uma cópia deixada no ReadyEPUB, porque aqui não fica nenhum livro seu. O PDF original continua consigo. Para tentar outra vez, abra de novo a página e vá buscar o ficheiro à sua própria pasta, como antes.