Как да изтегляте книги от Internet Archive: Изберете използваем PDF или EPUB

За да изтеглите книга от Internet Archive, която е публично достъпна като файл, отворете страницата на съответния запис, намерете Download Optionsи изберете някой от предложените PDF или EPUB формати. Използвайте Show All , когато ви е необходим конкретен файл. След това проверете изданието и няколко реални страници, преди да добавите книгата към работния си процес за четене.

Последната стъпка е важна. Във френско издание на Кандид , което прегледахме, EPUB файлът премина успешно проверката за ZIP цялост, но съдържаше празен навигационен документ. В PDF файла се виждаха четими пасажи, които обаче бяха повредени в извлечения текст и на двата файла. Успешното изтегляне беше само началото на проверката.

Това ръководство разглежда стандартните публични изтегляния, а не експортирането на книги с ограничен достъп за заемане. От Internet Archive посочват, че не всеки запис или файл може да бъде изтеглен. Ако първо ви е необходима помощ при намирането на издание на подходящ език, започнете с нашето ръководство за избор на електронни книги от обществено достояние.

Изтеглете файла, предлаган за точно този запис

1. Отворете страницата на записана книгата, а не просто резултат от търсенето или отделна страница в четеца.
2. Проверете заглавието, автора, езика, тома и данните за издаването. Отворете сканираната заглавна страница, ако конкретното издание е от значение.
3. Намерете Download Options и изберете формат, който записът действително предоставя.
4. За конкретен наименуван файл изберете Show All, след което изберете този файл. Възможно е даден PDF файл да се отвори директно в браузъра ви; използвайте бутона за изтегляне на браузъра, за да запазите самия PDF файл.
5. Запазете URL адреса на записа заедно с изтегления файл, за да можете лесно да идентифицирате източника по-късно.

Това са стандартните начини за изтегляне, описани в инструкциите на Internet Archive за изтегляне на файлове. Избирането на формат, който съдържа няколко файла, може да генерира ZIP архив; това е пакет от файлове, а не непременно отделна книга. Изберете индивидуален файл, ако това е всичко, от което се нуждаете.

Избягвайте да започвате с опцията „изтегляне на всички файлове“. Списъкът с файлове към даден запис може да включва сканирани копия, метаданни, OCR резултати, миниатюри и няколко формата за четене. Големият пакет от файлове просто изисква повече работа за преглед, но не гарантира по-добро копие за четене.

Ако липсва PDF или EPUB

Прегледайте реалния списък, вместо да гадаете URL адреса за изтегляне. Някои записи предлагат различен формат, докато други имат ограничения за достъп. Наличието на предварителен преглед на книгата не означава автоматично, че е наличен стандартен PDF или EPUB файл.

Ако записът изисква заемане или ви пренасочва към четец с ограничен достъп, следвайте показаните там опции за достъп. Този процес за публично изтегляне не превръща заета книга във файл без ограничения. По същия начин, достъпът за изтегляне не дава разрешение за всяко последващо качване, превод или преиздаване; запазвайте информацията за авторските права на конкретното издание заедно с данните за източника.

Изберете копие за четене и при нужда – сканирано копие за справка

Не избирайте единствено по файловото разширение. Направете избора си спрямо това какво точно трябва да направите с конкретното издание.

Форматът EPUB може да направи стара книга по-лесна за четене, но EPUB, генериран от сканиране, не е непременно редактирана транскрипция. В своето ръководство за отстраняване на неизправности с OCR Internet Archive обяснява, че състоянието на сканираното копие, типографията, езикът и ориентацията могат да повлияят на разпознаването, а получените файлове за четене могат да наследят тези грешки.

При PDF с възможност за търсене трябва да се проверят две неща: видимата страница и текстът, използван за маркиране и търсене. В документацията за генериране на PDF на Internet Archive се описват PDF файлове, изградени от изображения и текст, извлечен чрез OCR. Затова чистият вид на страницата не гарантира, че копирането на думите от нея ще работи правилно.

При книга, получена от сканиране, може да е полезно да запазите EPUB за четене и PDF файла на същия запис за справка. Това не прави EPUB файла точен, а ви дава начин да го проверявате. За по-широкия компромис между форматите вижте EPUB срещу PDF.

Какво всъщност съдържаше едно изтеглено френско издание на Candide

Прегледахме EPUB файла от записа в Internet Archive candideouloptimi00volt_1, каталогизиран като френско издание от 1761 г. на Candide. На 12 септември 2026 г. изтеглихме неговия PDF, проверихме и двата файла спрямо актуалните метаданни на файла и сравнихме избрани страници от същия запис.

EPUB файлът беше изтеглен на 11 септември; размерът му и публикуваните контролни суми все още съвпадаха с метаданните от 12 септември. Проучихме структурата на пакета му, рендерирахме четири страници от PDF файла и сравнихме три съответстващи текстови откъса от основния текст. Това не беше цялостна коректура, тест за съвместимост с EPUB четец или тест за превод с BookTranslator.

Изображението на заглавната страница, на страница 9 от PDF файла, видимо носи датата M. DCC. LXI.. Използвахме както това изображение, така и записа на файла, за да идентифицираме изданието. Времевите отпечатъци на файловете и датата, на която даден уебсайт е добавил елемент, не могат да заменят проверката на самата книга.

Записът от проверката на изтегления файл съдържа файлови идентификатори, хешове, обхват и наблюдения. Бележките за възпроизвеждане обясняват как да повторите тези конкретни проверки, без да разчитате на нашите заключения.

Пример 1: Декорацията се превърна в думи

На страница 11 от PDF файла началото на главата има голяма декоративна рамка над заглавието. Съответният EPUB файл, EPUB/page_11.html, започва с поредица от несвързани символи и букви преди заглавието. Извлеченият текст от PDF файла съдържа подобен шум.

Визуализираната страница изяснява проблема: тези знаци са част от украсата, а не уводно изречение. Изборът на PDF запазва изображението, което позволява на читателя да разпознае грешката; копирането от неговия текстов слой обаче все още пренася проблема с разпознаването.

Не определяйте всяко непознато изписване в стара френска книга като грешка. Историческият шрифт и правопис изискват сравнение с изображението. Декорация, визуализирана като измислен низ от символи, е съвсем различен проблем от непозната, но действително отпечатана дума.

Пример 2: Четим пасаж се оказа повреден и в двата текстови файла

На страница 260 от PDF файла, номерирана в книгата като 252, изображението показва пасаж, споменаващ Turquie и Pangloss. В EPUB файла page_260.htmlредовете около тези имена са заменени от повреден текст; текстът от PDF файла, извлечен с Poppler 26.08.0, също е повреден в този откъс.

Ето защо не препоръчваме да подавате този EPUB директно в работен процес за обработка на дълги документи без допълнителна проверка на източника. Преминаването към PDF файла и копирането на текста от него също няма да коригира забелязаната повреда. Не сме определяли процент на грешките за цялата книга, нито сме тествали кой OCR процес би я поправил най-добре.

Третият ни примерен откъс от основния текст беше страница 100 от PDF файла, номерирана като 92. Той послужи за още едно сравнение по средата на книгата, а не като гаранция, че останалите страници са коректни. Проверката само на началните страници не би разкрила повредения по-нататък пасаж.

Друго издание не предлагаше същите формати

Проверихме също единицата candideouloptim01voltgoog, чиито каталожни метаданни посочват дата на издаване 1759 г. Списъкът ѝ с файлове от 12 септември съдържаше DjVu файл, но никакъв PDF или EPUB запис. Изтегленият на 11 септември DjVu файл беше с размер 6 510 150 байта; публикуваните му контролни суми все още съвпадаха с обновените метаданни.

Това беше проверка за наличност на файловете, а не преглед на самото съдържание на това издание. Не сме установявали дали текстът му е по-добър, дали е пълен или дали може да замени изданието от 1761 г. за конкретна изследователска задача.

Практическият извод е ясен: два записа за едно и също произведение не предлагат взаимнозаменяеми опции за изтегляне. Ако се нуждаете от точно определено издание, използвайте четец, който поддържа наличния файл, или намерете друго сканирано копие на това издание. Ако просто искате да прочетете произведението, друго, ясно идентифицирано издание може да се окаже по-лесният избор.

Не приемайте за даденост, че по-малкият файл, по-старата дата или разширението DjVu означават по-добро OCR разпознаване. Това са различни характеристики от точността на текста.

Направете кратка проверка за годност, преди да импортирате книгата

Изтеглете работния лист за приемане на издания и файлове. Пазете по едно копие за всяка единица, особено когато сравнявате няколко издания на едно и също заглавие.

Направете следните пет проверки подред:

1. Идентичност: Можете ли да съпоставите записа на единицата със заглавната страница, езика, тома и изданието, които са ви необходими? Отбележете всяко несъответствие, вместо мълчаливо да избирате един източник.
2. Достъп: Стандартно предложено изтегляне ли е това? Запазете декларацията за авторски права и разграничете личното четене от всяко планирано качване или разпространение.
3. Отваряне: Отваря ли се запазеният файл в приложението, което планирате да използвате? Проверката на ZIP архива може да диагностицира EPUB файл, но не може да замени реалното му отваряне в четеца.
4. Навигация и пълнота: Изпробвайте съдържанието, раздел от средата и края. Сравнете ги със самото сканиране или съдържанието на оригиналното издание; не бъркайте записите в структурата на EPUB с глави, нито страниците на PDF файла с номерата на отпечатаните страници.
5. Текст: Сравнете кратък откъс в началото, един в средата и един близо до края. Включете собствено име, дума с ударение или диакритика, или пасаж, преминаващ през нова страница. Потърсете видими думи и проверете копирания текст, а не само изображението на страницата.

Използвайте резултата, за да изберете следващата си стъпка. Файл, който не се отваря, предполага проблем с изтеглянето или формата. Книга, която изглежда наред, но текстът се копира с грешки, изисква диагностика на текстовия слой. Липсваща сканирана страница изисква намирането на друг източник, а не просто нов опит за OCR. Празното меню за навигация може да е поносимо при кратка справка, но ще бъде разочароващо при продължително четене.

За примера с Кандид бихме запазили сканирания файл като визуален ориентир и бихме потърсили по-чист текст за четене или бихме поправили и проверили повредения текст преди по-нататъшна употреба. Не бихме определили EPUB файла като готов само защото изтеглянето и проверките на ZIP архива са преминали успешно.

Превеждайте само ако езикът остава единствената пречка

Ако файлът се чете лесно на език, който вече разбирате, задачата ви може би е приключила. Съществуващо издание на предпочитания от вас език също може да бъде по-подходящо решение от създаването на нов превод.

Ако разполагате с използваем файл, необходимите права за планираната употреба и остава единствено езиковата бариера, инструментът на BookTranslator за превод на EPUB или превод на PDF е логичната следваща стъпка. Това са работни процеси за превод на файлове, а не инструменти за премахване на защитата при заемане от Internet Archive. DjVu не се поддържа като формат за качване в BookTranslator според продуктовия каталог, проверен за това ръководство.

При източник от изображения или повреден разпознат текст прегледайте работния процес за сканирани PDF файлове , преди да продължите. OCR режимът на BookTranslator преструктурира преведеното съдържание, вместо да запазва абсолютно точния оригинален шаблон на страницата; не сме го тествали върху тези издания на Кандид файлове. Запазете оригиналното сканирано копие и сравнявайте важните пасажи по време на прегледа.

Полезният резултат не е „Свалих си книга“. Той е „Идентифицирах това издание, проверих файла за нуждите на моето четене и знам кои проблеми все още остават за решаване“.