自己根据扫描 PDF 文件制作 EPUB 电子书

相关文章

Apple Books 的使用

虽然 Z-Library 上已经有很多 EPUB 格式的电子书了，可是也有不少书只有 PDF 扫描版本，缺点不少：体积偏大、标注不方便、无夜间模式、文本查询和搜索不方便等。如果能把这些 PDF 图书转换成 EPUB 格式该有多好啊！可惜目前并没有简单有效的方法。

我想转换的几本图书

主题是清朝历史。作者都是辽宁师范大学的喻大华。虽然说这个喻老师本质上还是属于体制内既得利益者，书里也说了一些共产党的好话，但这几本书的内容还是比较吸引我的。

小时候看古装剧时发现人们的衣食住行和我们非常不同，于是就有这么个疑问：古代是怎么过渡到现代的？节点自然就是最后一个朝代——清朝。可惜历史书上一讲到清朝就断代，康熙乾隆是一副古代盛世的模样，然后马上就是鸦片战争——穿着奇装异服的英军端着大炮打过来了。然后突然长相很像现代人的孙中山就出来了。感觉太跳跃了，没有一个过渡时期。

喻老师的这几本图书从乾隆中期的嘉庆出生开始（《还珠格格》大家都熟悉吧？就是这个时期），一直写到文化大革命时期溥仪去世，除了同治年间（1862 – 1874）少数几件大事（例如杨乃武与小白菜案、太平天国灭亡事件）略去之外，基本覆盖了中国古代过渡到现代这 200 年历史。这个 GAP 补上了。

这几本书如下：

1. 嘉庆皇帝（2009年出版，ISBN = 9787020076758）
   • 第二版：守成天子 – 喻大华评说嘉庆帝 （2016年，ISBN = 9787500863717）
2. 道光皇帝（2009年，ISBN = 9787535436429）
   • 第二版：内忧外患 – 喻大华评说道光帝 （2017年，ISBN = 9787500865735）
3. 咸丰皇帝（2010年，ISBN = 9787802196605）
   • 第二版：薄命天子- 喻大华评说咸丰帝 （2018年，ISBN = 9787500868545）
4. 囚徒天子光绪皇帝（2011年，ISBN = 9787100086431）
   • 第二版：傀儡天子- 喻大华评说光绪帝（2018年，ISBN = 9787500868880）
5. 末代皇帝溥仪（2011年，ISBN = 9787802197671）
   • 第二版：末代皇帝 – 喻大华评说宣统帝 （2020年，ISBN = 9787500873600）

起初是在《百家讲坛》视频上看到喻老师的的讲解。后来发现的图书，内容比《百家讲坛》视频更丰富。我第一次看是在2015年左右，因此这几本书看的都是第一版，第二版没看。

截至本文撰写时，Z-Library 上有《道光皇帝》第一版的 EPUB 版本。其他四本图书则只有扫描 PDF 版（《溥仪》是第一版，另外三本均为第二版）。个人感觉第二版明显没有第一版好，因为第一版里面有很多精彩的照片，第二版全部换成了手工绘图，两章才有 1 幅绘图，没啥意思。

第一步：OCR

这一步其实最难，目前并没有找到很好的中文 OCR 工具。我使用 macOS 系统自带的 OCR，虽然大部分文字能复制出来，但是很多形近字会出错。例如：

• 进人（应该是“进入”）
• 天折（应该是“夭折”）
• 毕竞（应该是“毕竟”）

尝试过一些自动化工具，感觉效果不理想。看看今年秋季新发布的带 AI 的 macOS 是否会有改善。

第二步：编写 markdown 文件

git clone https://github.com/phodal/ebook-boilerplate.git
cd chapters

然后在 chapters 目录里面建立 .md 文件，每章一个文件，文件名随意。文件里面粘贴 OCR 的内容。后面编译时会自动识别 .md 文件中的一级标题和二级标题，并以此建立 EPUB 的目录。

上面提到 OCR 会出现形近字的错误。而且相同的错误词语会出现多次。所以可以利用 sed 命令做一次性替换。例如把所有的“天折”修改成“夭折”

find . -path "*/chapters/*.md" -exec sed -i '' 's/天折/夭折/g' {} +

第三步：设置 CSS

git clone 下来的根目录里有 style.css 文件，在这里可以设置自己喜欢的 CSS 样式。

/* 去掉列表前面的1、2、3、4等编号。这个很重要，否则自动生成的目录上带着1、2、3、4等，不好看 */
ol {
  list-style-type: none;
}

/* 下面这些可有可无 */
/* 给标题下面增加虚线的分割线 */
h1, h2 {
  border-bottom: 1px dashed #4f5051;
}

/* 普通段落的样式。中文一般都会开头空两格 */
p {
  line-height: 150%;
  text-indent: 2em;
  font-family: sans-serif;
}

/* 引用的样式，对应 markdown 里面的 > 后面的内容 */
blockquote {
  border-left: 0.3rem solid #1abc9c;
  margin-left: 0;
  margin-right: 0;
  font-size: 80%;
}
blockquote p {
  font-family: 'STKaiti', 'Kaiti', serif;
}

效果图如下：

第四步：设置封面

封面图片直接用 PDF 的封面图片即可，文件名改成 cover.jpg，放入 img 目录下面即可。

第五步：编译

首先如果是 macOS 系统，要修改一下 init.sh 文件，改成这样：

sed -i '' "s/Phodal Huang/$author/g" "build/author.html" "build/metadata.xml" "build/title.txt" "Makefile"
sed -i '' "s/电子书模板/$bookname/g" "build/author.html" "build/metadata.xml" "build/title.txt" "Makefile"

即在 -i 后面要加上空字符 ''。因为 macOS 里面的 sed 和 Linux 不一样。

然后再修改一下 Makefile 文件，因为作者提供的 Makefile 没有给 EPUB 添加 CSS。我们自己加进去。

epub: markdown
	pandoc -s $(filename).md -t epub -o $(filename).epub -c style.css \
		--epub-metadata $(include_dir)/metadata.xml \
		--epub-cover-image img/cover.jpg \
		--title-prefix $(title) \
		--toc

然后安装好 pandoc，就可以通过 make epub 运行了。运行结束之后，在当前目前下面会生成 ebook.epub 文件，就可以加载在 Apple Books 里面看了。

第六步：上传到 Z-Library

把 ebook.epub 文件拖过去，然后填入 ISBN 号，系统会自动补充元数据。提交之后会被审核几个小时，审核通过之后即可公开。

目前已上传完成（注意前面的主域名 zh.singlelogin.re 可能会失效，需要去 Z-Library 官方推特上找新的域名）：

• 守成天子 – 喻大华评说嘉庆帝 （2016年，ISBN = 9787500863717，URL：https://zh.singlelogin.re/book/28906994/7d9dce）

看书比刷抖音有意思的多。