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局长的职业生涯。 这两本书受众有限，但由于它们是我家族历史的一部分，我想保存每个书的数字副本。 但是，我想知道，哪种便携文档格式最适合这项工作？

我一开始就决定不使用 PDF。 这种格式虽然适合印前处理，但似乎注定要不断膨胀功能，并且生成的文档难以检查和编辑。 我想要一种具有类似功能的更智能的格式。 我想到了两种：漫画书存档和 DjVu。

漫画书存档

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

漫画书存档的最大特点也是它的缺点：它太简单了，与其说是一种格式，不如说是一种约定。 事实上，漫画书存档只是一个 ZIP、TAR、7Z 或 RAR 存档，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，它们很容易创建。

创建漫画书存档

1. 创建一个包含图像文件的目录，并重命名图像，使其具有固有的顺序
   

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

2. 使用您最喜欢的存档工具存档文件。 根据我的经验，CBZ 支持最好。
   

   $ zip comicbook.zip -r *.png

3. 最后，使用适当的扩展名重命名文件。
   

   $ mv comicbook.zip comicbook.cbz

生成的文件应该可以在您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，Document Viewer 和 Bubble 可以打开它们。

解压缩漫画书存档

从漫画书存档中取回您的数据也很容易：只需解压缩 CBZ 文件即可。

由于您最喜欢的存档工具可能无法识别 .cbz 扩展名为有效的存档，因此最好将其重命名回其原始扩展名

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

DjVu

一种更高级的格式，由 AT&T 在 20 多年前开发，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，并且可以在比您可能意识到的更多的应用程序中查看，包括 Evince、Okular、DjVu.js 在线、DjVu.js 查看器 Firefox 扩展、GNU Emacs、Android 上的 Document Viewer 以及 Sourceforge 上的开源跨平台 DjView 查看器。

您可以在 djvu.org 上阅读更多关于 DjVu 的信息并查找示例 .djvu 文件。

DjVu 具有几个吸引人的特性，包括图像压缩、轮廓（书签）结构和对嵌入文本的支持。 使用免费和开源工具可以轻松检查和编辑。

安装 DjVu

开源工具链是 DjVuLibre，您可以在发行版的软件存储库中找到它。 例如，在 Fedora 上

$ sudo dnf install djvulibre

创建一个 DjVu 文件

.djvu 是一个已编码为 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，您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。

如果您需要预处理图像，您可以使用 Image Magick 在终端中执行此操作，使用 -density 选项来定义您期望的分辨率

$ convert -density 200 foo.png foo.pnm

然后您可以将其转换为 DjVu

$ c44 -dpi 200 foo.pnm foo.djvu

如果您的图像很简单，例如白色页面上的黑色文本，您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

您现在有一个简单的单页 .djvu 文档。

创建一个多页 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。

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

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

与 CBZ 存档不同，捆绑图像的名称不会影响它们在 DjVu 文档中的顺序，而是保留您在命令中提供的顺序。 如果您有先见之明，以自然的排序顺序（001.djvu、002.djvu、003.djvu、004.djvu 等）命名它们，则可以使用通配符

$ djvm -c *.djvu mybook.djvu

操作 DjVu 文档

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

$ djvm -i mybook.djvu newpage.djvu 2

在此示例中，页面 *newpage.* *djvu* 成为文件 *mybook* *.djvu* 中的新页面 2。

您也可以删除页面。 例如，要从 *mybook.djvu* 中删除页面 4

$ djvm -d mybook.djvu 4

设置轮廓

您可以将元数据添加到 DjVu 文件，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 Lisp 的结构表示，以一个开头的 bookmarks 元素开头，后跟书签名称和页码

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

括号定义了轮廓中的级别。 该轮廓目前只有顶层书签，但通过延迟其右括号，任何部分都可以有子部分。 例如，要向第 1 章添加子部分

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

轮廓完成后，保存文件并使用 djvused 命令将其应用于您的 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

如果您想存储您正在创建的文档的文本，您可以在 DjVu 文件中嵌入文本元素（在 djvused 术语中为“隐藏文本”），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，您首先必须有文本。 如果您可以访问优秀的 OCR 应用程序（或者有时间和决心来转录印刷页面），您可能拥有该数据，但随后您必须将文本映射到位图图像。

一旦您有了文本以及每行（或者，如果您愿意，每个单词）的坐标，您就可以编写一个包含每个页面块的 djvused 脚本

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."))

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

您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。 您还可以嵌入专门定义的元数据，例如 BibTex 键（以小写字母表示，例如 year、booktitle、editor、author 等）和 DocInfo 键（借用自 PDF 规范，始终以大写字母开头，例如 Title、Author、Subject、Creator、Produced、CreationDate、ModDate 等）。

自动化 DjVu 创建

虽然能够手工制作精细的 DjVu 文档很好，但如果您将 DjVu 作为日常格式采用，您会注意到您的应用程序缺少在更普遍的 PDF 中可用的一些便利功能。 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，您仍然可以通过利用 PDF 作为中间格式来使用 DjVu。

不幸的是，轻松自动化 DjVu 转换所需的库是在 CPL 下获得许可的，该许可的要求无法通过工具链中的 GPL 代码来满足。 因此，它不能作为编译的库分发，但您可以自由地自己编译它。

由于 DjVuLibre 团队提供的优秀构建脚本，该过程相对简单。

1. 首先，使用软件开发工具准备您的系统。 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。 请务必下载 GSDjVu，而不是 DjVuLibre（换句话说，不要单击文件列表顶部的绿色大按钮，而是单击最新的文件）。

3. 解压缩您刚刚下载的文件，并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，所以抑制您的创造力
   

   $ mkdir BUILD
   $ cd BUILD

5. 下载构建 GSDjVu 应用程序所需的其他源软件包。 具体来说，您必须下载 Ghostscript 的源代码（您几乎肯定已经安装了它，但您需要它的源代码来构建）。 此外，您的系统必须具有 jpeg、libpng、openjpeg 和 zlib 的源软件包。 如果您认为您的系统已经拥有这些项目的源软件包，您可以运行构建脚本； 如果找不到源，脚本将失败并让您在再次尝试之前更正错误。

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. 您可以将 GSDjVu 安装在路径中的任何位置。 如果您不知道您的 PATH 变量是什么，您可以使用 echo $PATH 来查看它。 例如，要将其安装到 /usr/local 前缀
   

   $ 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

现在您已经构建了 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，您可以从您的应用程序中使用方便的 PDF 功能，并最终获得 DjVu 文件。

为什么要选择 DjVu 和 CBZ？

DjVu 和漫画书存档是非常好的额外文档格式，可以添加到你的归档库中。将一系列图片塞进 PostScript 格式（如 PDF）或者主要为文本设计的格式（如 EPUB）中似乎很傻，因此拥有 CBZ 和 DjVu 作为额外选项很好。 它们可能不适合你的所有文档，但最好熟悉它们，以便在最合理的时候使用。