Conversor de DjVu para PDF com camada de texto

O DjVu guarda fundos e imagens com o codec wavelet IW44, que o PDF não tem, então eles são recomprimidos em JPEG, que pesa mais com a mesma qualidade. O texto passa quase sem aumento de tamanho: as máscaras das letras vão em JBIG2, a mesma ideia do DjVu — uma cópia de cada letra por livro. Nas nossas medições, um manual de texto passou de 462 KB para 0,85 MB e um livro colorido de 62 páginas, de 2,8 para 5,8 MB. Para comparar, o PDF de imagens de página que a biblioteca de referência DjVuLibre gera para esse mesmo livro colorido pesa 135 MB. Se você precisa de um arquivo menor, escolha “Arquivo menor”: o fundo cai para 100 dpi e o texto continua igualmente nítido.

Se o DjVu tem camada de texto, sim: ela é colocada como texto invisível sobre a página, então buscar, selecionar e copiar funcionam como em qualquer PDF. O resumo depois do envio mostra quantas páginas a têm. Se não houver texto (comum em scans), ative “Reconhecer texto”: um modelo de reconhecimento lê as páginas direto no navegador e o resultado entra na mesma camada invisível. Também verificamos que o texto sai igual no mecanismo do Chrome e no MuPDF: nas 71 páginas da referência DjVu3 ele coincide com o texto original em 99,7% e 100%.

Sim. Os marcadores do DjVu viram um sumário do PDF com o mesmo aninhamento, e o PDF abre com o painel de marcadores aberto. Os links internos levam às páginas certas e os externos aos seus endereços. Se as páginas do livro têm rótulos próprios (algarismos romanos no prefácio, “Capítulo 1”), eles viram números de página do PDF, então ir para um número de página no leitor corresponde ao livro.

Esses livros são guardados como index.djvu mais um arquivo por página. Selecione todos de uma vez: na janela de seleção abra a pasta do livro e pressione Ctrl+A (Cmd+A no Mac). Se faltar alguma parte, a ferramenta diz o nome dela em vez de montar um PDF com buracos.

Comparamos o decodificador DjVu desta ferramenta com a biblioteca de referência DjVuLibre: 444 arquivos criados para o teste, com todos os tipos de compressão, e uma dúzia de livros reais coincidiram com ela pixel por pixel em cada camada. As cores do texto são mantidas exatas quando a página tem até 48 tintas diferentes; em scans com centenas de tons, cores muito parecidas são agrupadas — uma página de teste com 1.244 tons de marrom ficou com 25 grupos, cada um a no máximo 24 de 255 dos seus tons em qualquer canal.

“Como no original” mantém tudo como no DjVu: fundos coloridos e imagens na própria resolução. “Arquivo menor” reduz fundos e imagens para 100 dpi (150 dpi em páginas de foto); o texto não é tocado e continua nítido. “Preto e branco para imprimir” remove o fundo e a cor, deixando só letras e linhas, sem o amarelado do papel nem as manchas do scan — assim as páginas imprimem mais limpas e pesam o mínimo.

O arquivo usa recursos comuns do PDF 1.5 — JPEG para o fundo e JBIG2 para o texto. Adobe Reader, Chrome, Firefox, Safari, Pré-Visualização no Mac e os apps de leitura de PDF no Android e no iPhone entendem esses recursos; verificamos o resultado com três mecanismos de visualização independentes. Se o PDF precisar abrir em um programa muito antigo, em “Mais opções” há uma variante com máscaras CCITT: ela fica de 3 a 4 vezes maior, mas abre até em programas do começo dos anos 2000.

Sim: escolha um intervalo na linha “Páginas”. O sumário passa a conter só as páginas que foram para o PDF, os links para as páginas que ficaram de fora são removidos e os números de página seguem a numeração do livro — um capítulo que começa na página 120 também começa na página 120 do PDF.