Конвертер EPUB в PDF

EPUB по сути - ZIP-архив, следующий спецификации Open Packaging Format (OPF). Его внутренняя структура фиксирована: первая запись - несжатый файл mimetype с содержимым application/epub+zip (для быстрого распознавания формата); далее идёт META-INF/container.xml, указывающий на корневой файл .opf; файл .opf содержит три раздела - metadata (описывает название, автора, язык и уникальный идентификатор через элементы Dublin Core), manifest (перечисляет все ресурсы пакета с их свойствами) и spine (определяет порядок чтения документов содержимого). Тело состоит из XHTML-файлов (OPS 2.0 для EPUB 2, подмножество HTML5 для EPUB 3), оформленных через CSS, а изображения и шрифты хранятся как отдельные ресурсы; навигацию обеспечивает NCX (toc.ncx) в EPUB 2 и nav.xhtml в EPUB 3. EPUB 3 дополнительно поддерживает MathML, SVG, аудио/видео, скрипты и документы с фиксированной вёрсткой (FXL), объявляемые через свойство rendition:layout=pre-paginated с явными размерами страниц.

Главная сложность конвертации EPUB в PDF - переход «от перетекания к разбиению на страницы». EPUB по умолчанию перетекающий: текст течёт и переносится в зависимости от ширины экрана и настроек кегля пользователя, без понятия «страницы»; PDF - формат с фиксированной вёрсткой, где каждый элемент имеет абсолютные координаты. Поэтому конвертеру необходим встроенный движок вёрстки и пагинации: он считывает тело XHTML и CSS, вычисляет строковые блоки (line box) согласно выбранному размеру страницы (например A4, Letter) и полям, заполняет текст построчно, пока не приблизится к низу страницы, а затем решает, где разорвать страницу, на основе свойств CSS page-break-before / page-break-after / break-* и контроля висячих и одиноких строк (widow/orphan) в заголовках, разрезая перетекающее содержимое на фиксированные страницы. Этот процесс очень похож на рендеринг браузера плюс пагинацию печати, поэтому многие конвертеры отрисовывают XHTML в headless-браузере (headless Chromium) и вызывают print-to-PDF для максимальной точности CSS; ebook-convert из Calibre использует собственный конвейер рендеринга с выходными профилями и параметрами размера страницы; Pandoc идёт по маршруту EPUB -> промежуточный формат -> LaTeX -> PDF (xelatex), что хорошо для текстоёмких книг, но даёт ограниченную точность CSS.

Работа со шрифтами - ключ к точности. EPUB ссылается на встроенные шрифты .ttf/.otf в каталоге fonts/ через @font-face; при конвертации в PDF эти шрифты должны быть встроены как подмножества (шрифты PDF Type 0 CID со встроенной программой TrueType, согласно разделу 9.6.5 спецификации PDF), иначе PDF будет заново разбит на страницы системным заменителем и все переносы строк и разрывы страниц сместятся. Содержимое на китайском, японском, арабском и других письменностях, требующих сложного шейпинга (лигатуры, селекторы вариантов, направление письма через HarfBuzz), особенно зависит от корректного встраивания шрифтов. Потоки изображений перекодируются: растровые изображения проходят через фильтры DCT (JPEG) или Flate в зависимости от прозрачности, а векторная графика SVG преобразуется в операторы потока содержимого PDF (m/l/c/re/S/f), чтобы остаться масштабируемой, либо растрируется напрямую. Обложка обычно отрисовывается как первая страница. EPUB с фиксированной вёрсткой (FXL, например иллюстрированные книги и комиксы) имеют явные размеры страниц, поэтому они отображаются в PDF наиболее прямо - почти страница к странице.

Этот инструмент принимает только EPUB без DRM. Купленные титулы, защищённые Adobe ADEPT, Apple FairPlay или иными схемами DRM, не могут быть разобраны; .mobi и .azw3 - проприетарные форматы Kindle, не EPUB, и требуют других инструментов. Загруженный EPUB обрабатывается серверным движком конвертации и удаляется с сервера сразу после генерации PDF. Вывод соответствует спецификации ISO 32000-1:2008 (PDF 1.7) или ISO 32000-2:2020 (PDF 2.0).

• Структура контейнера EPUB: ZIP содержит несжатый mimetype (application/epub+zip), META-INF/container.xml с указанием на корневой .opf и сам .opf с разделами metadata (Dublin Core) / manifest / spine
• Документы содержимого: EPUB 2 использует XHTML OPS 2.0, EPUB 3 - подмножество HTML5 с CSS3, MathML, SVG, аудио/видео и скриптами; навигация - NCX (EPUB 2) или nav.xhtml (EPUB 3)
• От перетекания к пагинации: EPUB перетекающий (текст течёт и переносится), PDF - с фиксированной вёрсткой; движок пагинации режет страницы по размеру, полям, кеглю и свойствам CSS page-break / break-*
• Движки конвертации: headless Chromium print-to-PDF (наивысшая точность CSS), ebook-convert из Calibre (собственный конвейер рендеринга + профили вывода), Pandoc (через LaTeX, хорош для текстоёмких книг)
• Точность шрифтов: шрифты, встроенные через @font-face, должны быть встроены как подмножества TrueType в PDF (Type 0 CID, spec 9.6.5); отсутствующие шрифты вызывают системную замену и перепагинацию, а CJK и сложные письменности зависят от шейпинга HarfBuzz
• Ограничения DRM и формата: принимается только EPUB без DRM; титулы Adobe ADEPT / Apple FairPlay не разбираются; .mobi / .azw3 - проприетарные форматы Kindle, не EPUB
• Файлы обрабатываются серверным движком конвертации и удаляются сразу после генерации PDF; вывод соответствует ISO 32000-1 (PDF 1.7) или ISO 32000-2 (PDF 2.0)