電子書是校對(duì)者的噩夢(mèng)，每當(dāng)需要將PDF文件轉(zhuǎn)化為epub格式時(shí)，那些原本完美顯示的頁(yè)面就會(huì)出現(xiàn)一系列令人困惑的排版和格式錯(cuò)誤。對(duì)于出版商和內(nèi)容供應(yīng)商來(lái)說(shuō)，在電子書如此暢銷的今天，能夠使PDF文件準(zhǔn)確無(wú)誤地轉(zhuǎn)化為epub格式，從而存入電子書閱讀器已經(jīng)成為亟須關(guān)注、亟待解決的問(wèn)題。

“有人認(rèn)為轉(zhuǎn)換PDF格式就像從word文檔里復(fù)制文本一樣簡(jiǎn)單：只需要選取那些已編好格式的文本并保存就能制作一本電子書。”印度金奈紐貞知識(shí)機(jī)構(gòu)的首席執(zhí)行官大衛(wèi)·拉杰說(shuō)。然而，遺憾的是，“PDF文件并不是按照單詞、空格、段落和圖像的邏輯流程來(lái)編寫的，也就是說(shuō)，沒有內(nèi)在信息可以顯示PDF文本的結(jié)構(gòu)與順序。”

最嚴(yán)重且最常出現(xiàn)在電子書中的錯(cuò)誤是單詞間、標(biāo)點(diǎn)符號(hào)丟失或多余的空格。因?yàn)镻DF文件并沒有把每一個(gè)單詞視作被空格分開的獨(dú)立單元，轉(zhuǎn)換程序通常需要猜測(cè)空格從哪里產(chǎn)生。如果猜測(cè)錯(cuò)誤，就會(huì)出現(xiàn)一個(gè)單詞被分為兩個(gè)部分或者兩個(gè)單詞連在一起的情況。

另一個(gè)問(wèn)題存在于連字符中。只要轉(zhuǎn)換軟件需要判定連字符是非強(qiáng)制性的(在文本行末尾，由于該單詞過(guò)長(zhǎng)，輸入連字符使頁(yè)面保持整齊美觀)或強(qiáng)制性的(比如像“e-books”這樣必須使用連字符的單詞)，那么就可能出現(xiàn)判定錯(cuò)誤的情況。

同樣的問(wèn)題還存在于判定文本格式上：粗體、斜體、下劃線、下標(biāo)、上標(biāo);字體的選擇上：有襯線字體、無(wú)襯線字體、傳統(tǒng)字體、現(xiàn)代字體等。在制作PDF文件中字間距、行間距的設(shè)置，反白字的使用都會(huì)影響轉(zhuǎn)換結(jié)果的準(zhǔn)確性。

如果作者沒有使用統(tǒng)一編碼標(biāo)準(zhǔn)的字符，那么這些特殊字符比如非拉丁語(yǔ)字母就成了轉(zhuǎn)換軟件面臨的又一個(gè)困難。對(duì)于這些特殊符號(hào)而言，建立字符轉(zhuǎn)換庫(kù)是有用的，但是把所有可能出現(xiàn)的字符集結(jié)成庫(kù)并不現(xiàn)實(shí)，所以大多數(shù)轉(zhuǎn)換軟件在遇到特殊字符時(shí)會(huì)以亂碼的形式呈現(xiàn)。

此外PDF文件還不能識(shí)別多列文本。轉(zhuǎn)換軟件會(huì)讀取整個(gè)頁(yè)面而不是按順序從上到下依次讀取每一列的內(nèi)容，因此，識(shí)別與分列就會(huì)導(dǎo)致不同的列線混亂，從而產(chǎn)生完全錯(cuò)誤的顯示。

與此相似的是，PDF文件沒有強(qiáng)制性分隔段落的概念，這就增加了正文內(nèi)容混亂或幾個(gè)段落連在一起的可能性。另一種情況是，轉(zhuǎn)換后段落中的每一行都成為獨(dú)立的一段，或者是轉(zhuǎn)換程序會(huì)將頁(yè)面中的頁(yè)眉、頁(yè)腳作為正文中的內(nèi)容進(jìn)行轉(zhuǎn)換。

轉(zhuǎn)換程序最大的挑戰(zhàn)在于如何破解表格、數(shù)學(xué)方程式以及圖表。將這些元素識(shí)別為獨(dú)立的單元并與正文分開成為許多轉(zhuǎn)換軟件不能完成的任務(wù)。

在紐貞知識(shí)機(jī)構(gòu)，有一種使用自然語(yǔ)言處理和文本識(shí)別工具的程序，這種程序用來(lái)分析PDF文件文本結(jié)構(gòu)，使用這種程序可以改正PDF文件轉(zhuǎn)換為epub格式過(guò)程中通常出現(xiàn)的錯(cuò)誤。如今這種產(chǎn)品已經(jīng)出現(xiàn)——在紐約舉辦的2012TOC數(shù)字出版大會(huì)上，可以將PDF文件高質(zhì)量轉(zhuǎn)換為epub2或3的產(chǎn)品“絲綢”(意為像絲綢一樣流暢光滑)閃亮登場(chǎng)。

據(jù)介紹，使用“絲綢”的轉(zhuǎn)換規(guī)則系統(tǒng)可以得到高質(zhì)量的結(jié)果，同時(shí)最大限度保持PDF文件原文的風(fēng)貌。“絲綢”會(huì)運(yùn)行拼寫檢查工具找出連在一起或被分解的單詞，并使用內(nèi)在連續(xù)性檢查工具區(qū)分字符。不到一分鐘的時(shí)間，“絲綢”就可以對(duì)一本標(biāo)準(zhǔn)的300頁(yè)圖書完成以上所有工作。接下來(lái)，“絲綢”會(huì)引導(dǎo)用戶查看它標(biāo)記的每一處可能出現(xiàn)的錯(cuò)誤，并將原始的PDF文件與轉(zhuǎn)化后的電子書進(jìn)行并排式對(duì)比。拉杰同時(shí)補(bǔ)充說(shuō)：“‘絲綢’直觀的界面意味著用戶不需要精通HTML編輯也可以熟練地控制與使用這些功能。腳本處理選項(xiàng)可以快速有效地將PDF文件中出現(xiàn)的自定義或其他復(fù)雜的變化轉(zhuǎn)換為epub/HTML文件。”

目前，“絲綢”正在進(jìn)行內(nèi)部測(cè)試，拉杰證實(shí)這種軟件運(yùn)營(yíng)服務(wù)模式很快會(huì)與廣大客戶見面。在更為復(fù)雜的PDF文件與電子書版面設(shè)計(jì)問(wèn)世之前，我們無(wú)疑需要更先進(jìn)的解決方法，將零錯(cuò)誤的電子書和用戶對(duì)電子書質(zhì)量的高滿意度作為奮斗目標(biāo)，將驅(qū)使轉(zhuǎn)換工具研發(fā)朝著更快、更可靠、更自動(dòng)化的方向發(fā)展。