Conversor de EPUB para PDF

Um EPUB é fundamentalmente um arquivo ZIP que segue a especificação Open Packaging Format (OPF). Sua estrutura interna é fixa: a primeira entrada é um arquivo mimetype não compactado com o conteúdo application/epub+zip (para identificação rápida do formato); em seguida vem META-INF/container.xml, que aponta para o arquivo .opf raiz; o arquivo .opf tem três seções - metadata (descrevendo título, autor, idioma e um identificador único por meio de elementos Dublin Core), manifest (listando todos os recursos do pacote com suas propriedades) e spine (definindo a ordem de leitura dos documentos de conteúdo). O corpo é formado por arquivos XHTML (OPS 2.0 para EPUB 2, um subconjunto de HTML5 para EPUB 3), estilizados com CSS, com imagens e fontes como recursos independentes; a navegação é fornecida por NCX (toc.ncx) no EPUB 2 e por nav.xhtml no EPUB 3. O EPUB 3 ainda suporta MathML, SVG, áudio/vídeo, scripts e documentos de layout fixo (FXL) declarados pela propriedade rendition:layout=pre-paginated com dimensões de página explícitas.

A dificuldade central na conversão de EPUB para PDF é a passagem do 'reflow para a paginação'. O EPUB é refluível por padrão: o texto flui e quebra conforme a largura da tela e a configuração de tamanho de fonte do usuário, sem o conceito de 'página'; o PDF é de layout fixo, em que cada elemento tem coordenadas absolutas. O conversor precisa, portanto, de um motor de layout e paginação embutido: lê o corpo XHTML e o CSS, calcula as caixas de linha de acordo com o tamanho de página escolhido (por exemplo A4, Letter) e as margens, preenche o texto linha a linha até se aproximar do rodapé e então decide as quebras de página com base nas propriedades CSS page-break-before / page-break-after / break-* e no controle de linhas órfãs e viúvas (widow/orphan) nos cabeçalhos, fatiando o conteúdo que flui em páginas fixas. Esse processo é muito parecido com a renderização do navegador somada à paginação de impressão, por isso muitos conversores renderizam o XHTML em um navegador headless (headless Chromium) e chamam print-to-PDF para obter a maior fidelidade de CSS; o ebook-convert do Calibre usa seu próprio pipeline de renderização com perfis de saída e parâmetros de tamanho de página; o Pandoc segue a rota EPUB -> formato intermediário -> LaTeX -> PDF (xelatex), que funciona bem para livros densos em texto, mas tem fidelidade de CSS limitada.

O tratamento de fontes é a chave da fidelidade. O EPUB referencia fontes .ttf/.otf incorporadas no diretório fonts/ por meio de @font-face; ao converter para PDF, essas fontes precisam ser incorporadas como subconjuntos (fontes Type 0 CID do PDF com um programa TrueType embutido, conforme a seção 9.6.5 da especificação do PDF), caso contrário o PDF será repaginado com uma fonte substituta do sistema e todas as quebras de linha e de página se deslocarão. Conteúdo em chinês, japonês, árabe e outras escritas que exigem modelagem complexa de texto (ligaduras, seletores de variante, direção de escrita via HarfBuzz) depende especialmente da incorporação correta de fontes. Os fluxos de imagem são recomprimidos: imagens raster passam por filtros DCT (JPEG) ou Flate dependendo da transparência, e os gráficos vetoriais SVG são convertidos em operadores de fluxo de conteúdo do PDF (m/l/c/re/S/f) para permanecerem escaláveis ou são rasterizados diretamente. A imagem de capa costuma ser renderizada como a primeira página. EPUBs de layout fixo (FXL, como livros ilustrados e histórias em quadrinhos) têm dimensões de página explícitas, então mapeiam para o PDF de forma mais direta - quase uma página para uma página.

Esta ferramenta aceita apenas EPUBs sem DRM. Títulos comprados protegidos por Adobe ADEPT, Apple FairPlay ou outros esquemas de DRM não podem ser analisados; .mobi e .azw3 são formatos proprietários do Kindle, não EPUB, e exigem outras ferramentas. O EPUB enviado é processado pelo motor de conversão no servidor e excluído do servidor imediatamente após a geração do PDF. A saída segue a especificação ISO 32000-1:2008 (PDF 1.7) ou ISO 32000-2:2020 (PDF 2.0).

• Estrutura do contêiner EPUB: o ZIP contém um mimetype não compactado (application/epub+zip), META-INF/container.xml apontando para o .opf raiz e o .opf com suas seções metadata (Dublin Core) / manifest / spine
• Documentos de conteúdo: EPUB 2 usa XHTML do OPS 2.0, EPUB 3 um subconjunto de HTML5 com CSS3, MathML, SVG, áudio/vídeo e scripts; a navegação é NCX (EPUB 2) ou nav.xhtml (EPUB 3)
• Do reflow à paginação: o EPUB é refluível (o texto flui e quebra), o PDF é de layout fixo; o motor de paginação fatia as páginas conforme tamanho, margens, tamanho de fonte e propriedades CSS page-break / break-*
• Motores de conversão: headless Chromium print-to-PDF (maior fidelidade de CSS), ebook-convert do Calibre (pipeline de renderização próprio + perfis de saída), Pandoc (via LaTeX, bom para livros densos em texto)
• Fidelidade de fontes: fontes incorporadas via @font-face precisam ser embutidas como subconjuntos TrueType no PDF (Type 0 CID, spec 9.6.5); fontes ausentes disparam substituição do sistema e repaginação, enquanto CJK e escritas complexas dependem do modelagem HarfBuzz
• Limites de DRM e formato: apenas EPUB sem DRM é aceito; títulos Adobe ADEPT / Apple FairPlay não podem ser analisados; .mobi / .azw3 são proprietários do Kindle, não EPUB
• Os arquivos são processados pelo motor de conversão no servidor e excluídos imediatamente após a geração do PDF; a saída segue ISO 32000-1 (PDF 1.7) ou ISO 32000-2 (PDF 2.0)