EPUB-zu-PDF-Konverter

Eine EPUB ist im Kern ein ZIP-Archiv, das der Open-Packaging-Format-Spezifikation (OPF) folgt. Der innere Aufbau ist festgelegt: Der erste Eintrag ist eine unkomprimierte mimetype-Datei mit dem Inhalt application/epub+zip (zur schnellen Formaterkennung); darauf folgt META-INF/container.xml, das auf die Wurzel-.opf-Datei verweist; die .opf-Datei hat drei Abschnitte - metadata (Titel, Autor, Sprache und ein eindeutiger Bezeichner über Dublin-Core-Elemente), manifest (Auflistung aller Ressourcen im Paket mit ihren Eigenschaften) und spine (Lesereihenfolge der Inhaltsdokumente). Der Textkörper besteht aus XHTML-Dateien (OPS 2.0 bei EPUB 2, einer HTML5-Teilmenge bei EPUB 3), gestylt mit CSS, wobei Bilder und Schriften als eigenständige Ressourcen abgelegt sind; die Navigation liefert NCX (toc.ncx) bei EPUB 2 bzw. nav.xhtml bei EPUB 3. EPUB 3 unterstützt zusätzlich MathML, SVG, Audio/Video, Skripte und Fixed-Layout-Dokumente (FXL), die über die Eigenschaft rendition:layout=pre-paginated mit expliziten Seitenmaßen deklariert werden.

Die zentrale Schwierigkeit bei der EPUB-zu-PDF-Konvertierung ist der Übergang vom Umfluss zur Paginierung. EPUB ist standardmäßig umfließend - der Text fließt und bricht entsprechend der Bildschirmbreite und der Schriftgrößeneinstellung des Nutzers um, ohne den Begriff einer 'Seite'; PDF hat ein festes Layout, in dem jedes Element absolute Koordinaten besitzt. Der Konverter benötigt daher eine eingebaute Layout- und Paginierungs-Engine: Er liest den XHTML-Textkörper und das CSS, berechnet Zeilenboxen gemäß der gewählten Seitengröße (z. B. A4, Letter) und den Marginalien, füllt Text zeilenweise, bis er sich dem Seitenende nähert, und entscheidet dann über die Seitenumbrüche anhand der CSS-Eigenschaften page-break-before / page-break-after / break-* sowie der Witwen- und Waisensteuerung (widow/orphan) bei Überschriften, um den fließenden Inhalt in feste Seiten zu schneiden. Dieser Prozess ähnelt stark dem Browser-Rendering inklusive Druck-Paginierung, weshalb viele Konverter das XHTML in einem Headless-Browser (headless Chromium) rendern und dann print-to-PDF für die höchste CSS-Treue aufrufen; Calibres ebook-convert verwendet eine eigene Rendering-Pipeline mit Ausgabeprofilen und Seitengrößenparametern; Pandoc nimmt die Route EPUB -> Zwischenformat -> LaTeX -> PDF (xelatex), die bei textlastigen Büchern gut funktioniert, aber eine begrenzte CSS-Treue bietet.

Die Schrifteinbettung ist der Schlüssel zur Treue. EPUB verweist über @font-face auf eingebettete .ttf/.otf-Schriften im Verzeichnis fonts/; bei der Konvertierung ins PDF müssen diese Schriften als Subsets eingebettet werden (PDF Type 0 CID-Schriften mit eingebettetem TrueType-Programm, gemäß PDF-Spezifikation Abschnitt 9.6.5), andernfalls paginiert das PDF mit einer System-Ersatzschrift neu und jeder Zeilenumbruch und Seitenumbruch verschiebt sich. Inhalte in chinesischer, japanischer, arabischer und anderen Schriften, die komplexes Text-Shaping erfordern (Ligaturen, Variantenselektoren, Schreibrichtung über HarfBuzz), hängen besonders von korrekter Schrifteinbettung ab. Bildströme werden neu komprimiert: Rasterbilder durchlaufen DCT- (JPEG) oder Flate-Filter je nach Transparenz, und SVG-Vektorgrafiken werden in PDF-Inhaltsstrom-Operatoren (m/l/c/re/S/f) umgewandelt, um skalierbar zu bleiben, oder direkt gerastert. Das Cover-Bild wird meist als erste Seite gerendert. Fixed-Layout-EPUBs (FXL, etwa Bilderbücher und Comics) haben explizite Seitenmaße und lassen sich daher am direktesten ins PDF abbilden - fast Seite zu Seite.

Dieses Werkzeug akzeptiert ausschließlich DRM-freie EPUBs. Gekaufte Titel, die durch Adobe ADEPT, Apple FairPlay oder andere DRM-Schemata geschützt sind, können nicht geparst werden; .mobi und .azw3 sind Kindle-proprietäre Formate, keine EPUB, und erfordern andere Werkzeuge. Die hochgeladene EPUB wird von der serverseitigen Konvertierungs-Engine verarbeitet und unmittelbar nach der PDF-Erzeugung vom Server gelöscht. Die Ausgabe folgt der Spezifikation ISO 32000-1:2008 (PDF 1.7) oder ISO 32000-2:2020 (PDF 2.0).

• EPUB-Container-Struktur: Das ZIP enthält eine unkomprimierte mimetype (application/epub+zip), META-INF/container.xml mit Verweis auf die Wurzel-.opf sowie die .opf mit ihren Abschnitten metadata (Dublin Core) / manifest / spine
• Inhaltsdokumente: EPUB 2 verwendet OPS 2.0-XHTML, EPUB 3 eine HTML5-Teilmenge mit CSS3, MathML, SVG, Audio/Video und Skripten; die Navigation erfolgt über NCX (EPUB 2) oder nav.xhtml (EPUB 3)
• Vom Umfluss zur Paginierung: EPUB ist umfließend (Text fließt und bricht), PDF hat festes Layout; die Paginierungs-Engine schneidet Seiten anhand von Seitengröße, Marginalien, Schriftgröße und CSS page-break / break-*-Eigenschaften
• Konvertierungs-Engines: Headless Chromium print-to-PDF (höchste CSS-Treue), Calibre ebook-convert (eigene Rendering-Pipeline + Ausgabeprofile), Pandoc (über LaTeX, gut für textlastige Bücher)
• Schrift-Treue: Über @font-face eingebettete Schriften müssen als TrueType-Subsets ins PDF eingebettet werden (Type 0 CID, Spec 9.6.5); fehlende Schriften lösen eine System-Ersatzschrift und Neu-Paginierung aus, während CJK und komplexe Schriften von HarfBuzz-Shaping abhängen
• DRM- und Formatgrenzen: Nur DRM-freie EPUB wird akzeptiert; Adobe ADEPT / Apple FairPlay-Titel können nicht geparst werden; .mobi / .azw3 sind Kindle-proprietär, keine EPUB
• Dateien werden von der serverseitigen Konvertierungs-Engine verarbeitet und sofort nach der PDF-Erzeugung gelöscht; die Ausgabe folgt ISO 32000-1 (PDF 1.7) oder ISO 32000-2 (PDF 2.0)