CBZ 和 DjVu：PDF 的开源替代方案

最近，我发现我的曾祖父在 20 世纪初写了两本书：一本关于航海，另一本关于他担任 纽约市消防局长的职业生涯。这些书受众较小，但由于它们是我家族历史的一部分，我想保存每本书的数字副本。但是，我在想，哪种便携式文档格式最适合这项工作？

我一开始就决定不选择 PDF。虽然这种格式适合印刷前的检查，但似乎注定要不断地增加功能，而且它生成的文件难以检查和编辑。我想要一种更智能的格式，具有类似的功能。我想到了两种：漫画书归档和 DjVu。

漫画书归档

漫画书归档是一种简单的格式，顾名思义，最常用于漫画书。你可以在 Comic Book Plus 和 The Digital Comic Museum 等网站上看到漫画书归档的示例。

漫画书归档的最大特点也是其最弱之处：它太简单了，几乎更像是一种约定，而不是一种格式。事实上，漫画书归档只是一个 ZIP、TAR、7Z 或 RAR 归档文件，分别赋予扩展名 .cbz、.cbt、.cb7 或 .cbr。它没有存储元数据的标准。

然而，它们非常容易创建。

创建漫画书归档

1. 创建一个包含图像文件的目录，并重命名这些图像，使它们具有固有的顺序
   

   $ n=0 && for i in *.png ; do mv $i `printf %04d $n`.png ; ((n+=1)); done

2. 使用你喜欢的归档工具归档这些文件。根据我的经验，CBZ 是最受支持的。
   

   $ zip comicbook.zip -r *.png

3. 最后，使用适当的扩展名重命名该文件。
   

   $ mv comicbook.zip comicbook.cbz

生成的文件应该可以在你的大多数设备上打开。在 Linux 上，Evince 和 Okular 都可以打开 CBZ 文件。在 Android 上，文档查看器 和 Bubble 可以打开它们。

解压缩漫画书归档

从漫画书归档中取回数据也很容易：只需解压缩 CBZ 文件即可。

由于你最喜欢的归档工具可能无法将 .cbz 扩展名识别为有效的归档文件，因此最好将其重命名回其本机扩展名

$ mv comicbook.cbz comicbook.zip
$ unzip comicbook.zip

DjVu

AT&T 在 20 多年前开发的一种更高级的格式是 DjVu（发音为 "déjà vu"）。它是一种具有先进压缩技术的数字文档格式，并且可以在比你可能意识到的更多的应用程序中查看，包括 Evince、Okular、在线 DjVu.js、DjVu.js 查看器 Firefox 扩展、GNU Emacs、Android 上的 文档查看器，以及 Sourceforge 上的开源、跨平台 DjView 查看器。

你可以在 djvu.org 上阅读更多关于 DjVu 的信息并找到示例 .djvu 文件。

DjVu 具有几个吸引人的功能，包括图像压缩、轮廓（书签）结构以及对嵌入文本的支持。使用免费和开源工具可以很容易地检查和编辑它。

安装 DjVu

开源工具链是 DjVuLibre，你可以在你的发行版的软件仓库中找到它。例如，在 Fedora 上

$ sudo dnf install djvulibre

创建 DjVu 文件

.djvu 是一个已经被编码为 DjVu 文件的图像。.djvu 可以包含一个或多个图像（存储为“页面”）。

要手动生成 DjVu，你可以使用两种编码器之一：c44 用于高质量图像，cjb2 用于简单的双色调图像。每个编码器接受不同的图像格式：c44 可以处理 .pnm 或 .jpeg 文件，而 cjb2 可以处理 .pbm 或 .tiff 图像。

如果你需要预处理图像，你可以使用 Image Magick 在终端中执行此操作，使用 -density 选项来定义你所需的图像分辨率

$ convert -density 200 foo.png foo.pnm

然后你可以将它转换为 DjVu

$ c44 -dpi 200 foo.pnm foo.djvu

如果你的图像很简单，比如白色页面上的黑色文本，你可以尝试使用更简单的编码器将其转换。如果需要，首先使用 Image Magick 将其转换为兼容的中间格式

$ convert -density 200 foo.png foo.pbm

然后将其转换为 DjVu

$ cjb2 -dpi 200 foo.pbm foo.djvu

你现在有了一个简单的、单页的 .djvu 文档。

创建多页 DjVu 文件

虽然单页 DjVu 可能有用，但考虑到 DjVu 有时出色的压缩率，它最常被用作多页格式。

假设你有一个包含许多 .djvu 文件的目录，你可以使用 djvm 命令将它们捆绑在一起

$ djvm -c pg_1.djvu two.djvu 003.djvu mybook.djvu

与 CBZ 归档不同，捆绑图像的名称对其在 DjVu 文档中的顺序没有影响，而是保留你在命令中提供的顺序。如果你有先见之明，以自然的排序顺序（001.djvu、002.djvu、003.djvu、004.djvu 等）命名它们，你可以使用通配符

$ djvm -c *.djvu mybook.djvu

操作 DjVu 文档

使用 djvm 编辑 DjVu 文档很容易。例如，你可以将页面插入到现有的 DjVu 文档中

$ djvm -i mybook.djvu newpage.djvu 2

在本例中，页面 *newpage.*_djvu_ 成为文件 *_mybook_*_._djvu 中的新第 2 页。

你也可以删除页面。例如，从 *mybook.djvu* 中删除第 4 页

$ djvm -d mybook.djvu 4

设置轮廓

你可以向 DjVu 文件添加元数据，例如轮廓（通常称为“书签”）。要手动执行此操作，请创建一个包含文档轮廓的纯文本文件。DjVu 轮廓以类似于 Lisp 的结构表示，以开头的 bookmarks 元素开头，后跟书签名和页码

(bookmarks
("Front cover" "#1")
("Chapter 1" "#3")
("Chapter 2" "#18")
("Chapter 3" "#26")
)

括号定义轮廓中的级别。轮廓目前只有顶层书签，但任何部分都可以通过延迟其结束括号来拥有一个子部分。例如，要向第 1 章添加一个子部分

(bookmarks
("Front cover" "#1")
("Chapter 1" "#3"
("Section 1" "#6"))
("Chapter 2" "#18")
("Chapter 3" "#26")
)

轮廓完成后，保存该文件并使用 djvused 命令将其应用于你的 DjVu 文件

$ djvused -e 'set-outline outline.txt' -s mybook.djvu

打开 DjVu 文件以查看轮廓。

嵌入文本

如果你想存储你正在创建的文档的文本，你可以将文本元素（在 djvused 术语中为“隐藏文本”）嵌入到你的 DjVu 文件中，以便 Okular 或 DjView 等应用程序可以选择文本并将其复制到用户的剪贴板。

这是一个复杂的操作，因为为了嵌入文本，你必须首先拥有文本。如果你可以访问一个好的 OCR 应用程序（或者有时间和决心来转录印刷页面），你可能拥有该数据，但然后你必须将文本映射到位图图像。

一旦你有了文本和每一行（或者，如果你喜欢，每个单词）的坐标，你可以编写一个 djvused 脚本，其中包含每个页面的块

select; remove-ant; remove-txt
# ------------------------- 
select "p0004.djvu" # page 4
set-txt
(page 0 0 2550 3300
(line 1661 2337 2235 2369 "Fires and Fire-fighters")
(line 1761 2337 2235 2369 "by John Kenlon"))

.
# ------------------------- 
select "p0005.djvu" # page 5
set-txt
(page 0 0 2550 3300
(line 294 2602 1206 2642 "Some more text here, blah blah blah."))

每一行的整数表示每一行 X 和 Y 坐标的最小值和最大值（**xmin**、**ymin**、**xmax**、**ymax**）。每一行都是一个以像素为单位测量的矩形，原点位于页面的 *左下角*。

你可以将嵌入的文本元素定义为单词、行和超链接，并且可以使用矩形以外的形状映射复杂的区域。你还可以嵌入专门定义的元数据，例如以小写字母表示的 BibTex 键（年份、书名、编辑、作者等）和借用自 PDF 规范的 DocInfo 键，始终以大写字母开头（标题、作者、主题、创建者、制作、创建日期、修改日期等）。

自动化 DjVu 创建

虽然能够手工制作一个精细的 DjVu 文档很好，但如果你将 DjVu 作为日常格式采用，你会注意到你的应用程序缺少一些在更普遍的 PDF 中可用的便利功能。例如，很少（如果有）应用程序提供方便的 *打印到 DjVu* 或 *导出到 DjVu* 选项，就像它们对 PDF 所做的那样。

但是，你仍然可以通过将 PDF 作为中间格式来使用 DjVu。

不幸的是，轻松、自动地进行 DjVu 转换所需的库是在 CPL 下获得许可的，CPL 具有 GPL 代码无法满足的要求。因此，它不能作为编译库分发，但你可以自由地自行编译它。

由于 DjVuLibre 团队提供了一个出色的构建脚本，因此该过程相对简单。

1. 首先，使用软件开发工具准备你的系统。在 Fedora 上，快速简便的方法是使用 DNF 组
   

   $ sudo dnf group install @c-development

   在 Ubuntu 上

   $ sudo apt-get install build-essential

2. 接下来，从 Sourceforge 下载 **GSDjVu** 源代码。务必下载 **GSDjVu**，而不是 **DjVuLibre**（换句话说，不要点击文件列表顶部的大的绿色按钮，而是点击最新的文件）。

3. 解压缩你刚刚下载的文件，然后将目录更改为该文件
   

   $ cd ~/Downloads
   $ tar xvf gsdjvu-X.YY.tar.gz
   $ cd gsdjvu-X.YY

4. 创建一个名为 **BUILD** 的目录。它必须被称为 **BUILD**，所以压制你的创造力
   

   $ mkdir BUILD
   $ cd BUILD

5. 下载构建 **GSDjVu** 应用程序所需的其他源程序包。具体来说，你必须下载 **Ghostscript** 的源代码（你几乎肯定已经安装了它，但你需要它的源代码才能进行构建）。此外，你的系统必须具有 **jpeg**、**libpng**、**openjpeg** 和 **zlib** 的源程序包。如果你认为你的系统已经拥有这些项目的源程序包，你可以运行构建脚本；如果找不到源文件，脚本将失败，并让你在再次尝试之前纠正错误。

6. 运行下载中包含的交互式 **build-gsdjvu** 构建脚本。此脚本解压缩源文件，使用 **gdevdjvu** 驱动程序修补 Ghostscript，编译 Ghostscript，并从构建结果中删除不必要的文件。

7. 你可以将 **GSDjVu** 安装在你路径中的任何位置。如果你不知道你的 **PATH** 变量是什么，你可以使用 **echo $PATH** 查看它。例如，要将其安装到 **/usr/local** 前缀中
   

   $ sudo cp -r BUILD/INST/gsdjvu  /usr/local/lib64
   $ cd /usr/local/bin
   $ sudo ln -s ../lib64/gsdjvu/gsdjvu gsdjvu

将 PDF 转换为 DjVu

现在你已经构建了 Ghostscript 驱动程序，将 PDF 转换为 DjVu 只需要一个命令

$ djvudigital --words mydocument.pdf mydocument.djvu

这会将 PDF 中的所有页面、书签和嵌入文本转换为 DjVu 文件。--words 选项将所有映射的嵌入 PDF 文本映射到 DjVu 文件中的相应点。如果没有嵌入 PDF，则不会传递任何嵌入文本。 使用此工具，您可以从应用程序中使用方便的 PDF 功能，并最终得到 DjVu 文件。

为什么要使用 DjVu 和 CBZ？

DjVu 和漫画书归档格式是您档案库的绝佳补充文档格式。 将一系列图像塞进 PostScript 格式（如 PDF）或明显主要用于文本的格式（如 EPUB）似乎很愚蠢，因此拥有 CBZ 和 DjVu 作为附加选项很不错。 它们可能不适合您的所有文档，但最好熟悉它们，以便在最有意义时使用。