Convertidor de EPUB a PDF

Un EPUB es fundamentalmente un archivo ZIP que sigue la especificación Open Packaging Format (OPF). Su estructura interna es fija: la primera entrada es un archivo mimetype sin comprimir que contiene application/epub+zip (para identificar el formato rápidamente); a continuación viene META-INF/container.xml, que apunta al archivo .opf raíz; el archivo .opf tiene tres secciones: metadata (que describe título, autor, idioma y un identificador único mediante elementos Dublin Core), manifest (que enumera todos los recursos del paquete con sus propiedades) y spine (que define el orden de lectura de los documentos de contenido). El cuerpo está formado por archivos XHTML (OPS 2.0 para EPUB 2, un subconjunto de HTML5 para EPUB 3), con estilos CSS e imágenes y fuentes como recursos independientes; la navegación la proporciona NCX (toc.ncx) en EPUB 2 y nav.xhtml en EPUB 3. EPUB 3 admite además MathML, SVG, audio/vídeo, scripting y documentos de diseño fijo (FXL) declarados mediante la propiedad rendition:layout=pre-paginated con dimensiones de página explícitas.

La dificultad principal de la conversión de EPUB a PDF es el 'pasar de reflujo a paginación'. EPUB es reformable por defecto: el texto fluye y se ajusta según el ancho de pantalla y el tamaño de fuente del usuario, sin concepto de 'página'; PDF es de diseño fijo, donde cada elemento tiene coordenadas absolutas. El conversor necesita por tanto un motor de maquetación y paginación integrado: lee el cuerpo XHTML y el CSS, calcula las cajas de línea según el tamaño de página elegido (por ejemplo A4, Letter) y los márgenes, rellena el texto línea a línea hasta acercarse al pie de página y luego decide los saltos de página según las propiedades CSS page-break-before / page-break-after / break-* y el control de viudas y huérfanas (widow/orphan) en los encabezados, cortando el contenido fluido en páginas fijas. Este proceso se parece mucho al renderizado del navegador más la paginación de impresión, por lo que muchos conversores renderizan el XHTML en un navegador sin interfaz (headless Chromium) y llaman a print-to-PDF para obtener la mayor fidelidad CSS; ebook-convert de Calibre usa su propia canalización de renderizado con perfiles de salida y parámetros de tamaño de página; Pandoc toma la ruta EPUB -> formato intermedio -> LaTeX -> PDF (xelatex), que funciona bien para libros densos en texto pero tiene una fidelidad CSS limitada.

El manejo de fuentes es la clave de la fidelidad. EPUB referencia fuentes .ttf/.otf incrustadas en el directorio fonts/ mediante @font-face; al convertir a PDF, estas fuentes deben incrustarse como subconjuntos (fuentes Type 0 CID del PDF con un programa TrueType incrustado, según la sección 9.6.5 de la especificación PDF), de lo contrario el PDF repaginará con una fuente sustituta del sistema y todos los saltos de línea y de página se desplazarán. El contenido en chino, japonés, árabe y otras escrituras que requieren una composición compleja (ligaduras, selectores de variante, dirección de escritura mediante HarfBuzz) depende especialmente de una incrustación correcta de fuentes. Los flujos de imagen se recomprimen: las imágenes de trama pasan por filtros DCT (JPEG) o Flate según la transparencia, y los gráficos vectoriales SVG se convierten en operadores del flujo de contenido del PDF (m/l/c/re/S/f) para mantenerse escalables o se rasterizan directamente. La imagen de portada suele renderizarse como primera página. Los EPUB de diseño fijo (FXL, como libros ilustrados y cómics) tienen dimensiones de página explícitas, por lo que se corresponden con el PDF de forma más directa, casi una página a una.

Esta herramienta solo admite EPUB sin DRM. Los títulos comprados protegidos con Adobe ADEPT, Apple FairPlay u otros esquemas DRM no se pueden analizar; .mobi y .azw3 son formatos propietarios de Kindle, no EPUB, y requieren otras herramientas. El EPUB subido lo procesa el motor de conversión del servidor y se elimina del servidor inmediatamente después de generar el PDF. La salida sigue la especificación ISO 32000-1:2008 (PDF 1.7) o ISO 32000-2:2020 (PDF 2.0).

• Estructura del contenedor EPUB: el ZIP contiene un mimetype sin comprimir (application/epub+zip), META-INF/container.xml que apunta al .opf raíz y el .opf con sus secciones metadata (Dublin Core) / manifest / spine
• Documentos de contenido: EPUB 2 usa XHTML de OPS 2.0, EPUB 3 usa un subconjunto de HTML5 con CSS3, MathML, SVG, audio/vídeo y scripting; la navegación es NCX (EPUB 2) o nav.xhtml (EPUB 3)
• De reflujo a paginación: EPUB es reformable (el texto fluye y se ajusta), PDF es de diseño fijo; el motor de paginación corta las páginas según el tamaño, los márgenes, el tamaño de fuente y las propiedades CSS page-break / break-*
• Motores de conversión: headless Chromium print-to-PDF (mayor fidelidad CSS), ebook-convert de Calibre (canalización de renderizado propia + perfiles de salida), Pandoc (vía LaTeX, bueno para libros densos en texto)
• Fidelidad de fuentes: las fuentes incrustadas con @font-face deben quedar como subconjuntos TrueType en el PDF (Type 0 CID, spec 9.6.5); las fuentes ausentes activan un sustituto del sistema y repaginación, mientras que CJK y escrituras complejas dependen del modelado HarfBuzz
• Límites de DRM y formato: solo se admite EPUB sin DRM; los títulos con Adobe ADEPT / Apple FairPlay no se pueden analizar; .mobi / .azw3 son propietarios de Kindle, no EPUB
• Los archivos los procesa el motor de conversión del servidor y se eliminan inmediatamente tras generar el PDF; la salida sigue ISO 32000-1 (PDF 1.7) o ISO 32000-2 (PDF 2.0)