Jak stáhnout knihy z Internet Archive: Vyberte si použitelný PDF nebo EPUB

Chcete-li stáhnout knihu z Internet Archive, která je veřejně dostupná jako soubor, otevřete její stránku položky, najděte Možnosti stažení a vyberte nabízený PDF nebo EPUB. Pokud potřebujete jeden konkrétní soubor, použijte Zobrazit vše. Poté zkontrolujte vydání a několik skutečných stránek, než knihu zařadíte do svého čtenářského postupu.

Poslední krok je důležitý. Ve francouzském vydání Candida, které jsme zkoumali, prošel EPUB kontrolou integrity ZIP, ale měl prázdný navigační dokument. PDF zobrazovalo čitelné pasáže, které byly v extrahovaném textu obou souborů poškozené. Úspěšné stažení bylo jen začátkem kontroly.

Tato příručka se zabývá běžným veřejným stahováním, nikoli exportem omezených výpůjček. Internet Archive uvádí, že ne každá položka nebo soubor je ke stažení. Pokud nejprve potřebujete pomoc s nalezením vhodného jazykového vydání, začněte s naším průvodcem výběrem e-knih ve veřejném vlastnictví.

Stáhněte soubor nabízený pro přesně tuto položku

1. Otevřete stránku položky knihy, ne jen výsledek vyhledávání nebo jednotlivou stránku v prohlížeči.
2. Zkontrolujte název, autora, jazyk, svazek a údaje o vydání. Pokud záleží na vydání, otevřete naskenovanou titulní stránku.
3. Najděte Možnosti stažení a vyberte formát, který položka skutečně nabízí.
4. Pro jeden konkrétní soubor zvolte Zobrazit vše a poté tento soubor vyberte. PDF se může otevřít ve vašem prohlížeči; pomocí ovládacího prvku pro stažení v prohlížeči uložte samotné PDF.
5. Uložte si URL adresu položky spolu se staženým souborem, abyste později mohli identifikovat zdroj.

Toto jsou běžné postupy stahování v pokynech Internet Archive pro stahování souborů. Výběr formátu obsahující několik souborů může vytvořit ZIP; to je balíček, ne nutně jedna kniha. Pokud potřebujete jen jeden soubor, vyberte individuální soubor.

Vyhněte se tomu, abyste začínali volbou „stáhnout všechny soubory“. Seznam souborů položky může obsahovat skeny, metadata, výstupy OCR, miniatury a několik formátů pro čtení. Velká sbírka souborů znamená více práce s kontrolou, nikoli důkaz lepší čtenářské kopie.

Pokud PDF nebo EPUB chybí

Podívejte se na skutečný seznam, místo abyste odhadovali URL adresu pro stažení. Některé položky nabízejí jiný formát; jiné mají omezení přístupu. Viditelný náhled knihy neznamená, že je k dispozici běžný PDF nebo EPUB.

Pokud vás položka odkazuje na výpůjčku nebo omezenou čtečku, postupujte podle tam uvedených možností přístupu. Tento postup veřejného stahování nepřemění výpůjčku na neomezený soubor. Stejně tak přístup ke stažení nezakládá oprávnění pro každé pozdější nahrání, překlad nebo znovuzveřejnění; uchovejte informace o právech konkrétního vydání spolu se záznamem o zdroji.

Vyberte si čtenářskou kopii a v případě potřeby referenční sken

Nevybírejte pouze podle přípony. Vybírejte podle toho, co s tímto konkrétním vydáním potřebujete dělat.

EPUB může usnadnit čtení staré knihy, ale EPUB odvozený ze skenu nemusí být editovaným přepisem. Průvodce řešením problémů s OCR Internet Archive vysvětluje, že podmínky skenování, typografie, jazyk a orientace mohou ovlivnit rozpoznávání a že odvozené čtecí soubory mohou tyto chyby převzít.

Prohledávatelné PDF má dvě věci ke kontrole: viditelnou stránku a text používaný pro výběr a vyhledávání. Dokumentace k vytváření PDF Internet Archive popisuje PDF vytvořená z obrázků a textu odvozeného z OCR. Jasně vypadající stránka tedy nedokazuje, že kopírování jejích slov bude fungovat správně.

U knihy odvozené ze skenu může být užitečné ponechat si EPUB pro čtení a PDF stejné položky pro referenci. Nezajišťuje to přesnost EPUB; dává vám to způsob, jak jej zkontrolovat. O širším kompromisu mezi formáty viz EPUB versus PDF.

Co skutečně obsahovalo jedno francouzské stažení Candide

Prohlédli jsme EPUB z položky Internet Archive candideouloptimi00volt_1, katalogizované jako francouzské vydání Candide z roku 1761. Dne 12. září 2026 jsme stáhli jeho PDF, zkontrolovali oba soubory proti aktuálním metadatům souboru a porovnali vybrané stránky ze stejné položky.

EPUB byl stažen 11. září; jeho velikost a zveřejněné kontrolní součty stále odpovídaly metadatům z 12. září. Zkoumali jsme jeho strukturu balíčku, vykreslili čtyři stránky PDF a porovnali tři odpovídající vzorky textu těla. Toto nebylo úplné korekturní čtení, test kompatibility čtečky EPUB ani test překladu v BookTranslator.

Obrázek titulní stránky na 9. stránce PDF souboru viditelně nese datum M. DCC. LXI.. Tento obrázek i záznam položky jsme použili k identifikaci vydání. Časová razítka souborů a datum, kdy web položku přidal, nenahrazují kontrolu samotné knihy.

Záznam o kontrole stažení obsahuje identifikátory souborů, hashe, rozsah a pozorování. Poznámky k reprodukci vysvětlují, jak zopakovat omezené kontroly bez spoléhání se na naše závěry.

Příklad 1: Dekorace se stala slovy

Na 11. stránce PDF souboru má začátek kapitoly velký ornamentální rám nad názvem. Odpovídající soubor EPUB, EPUB/page_11.html, začíná sledem nesouvisejících symbolů a písmen před názvem. Extrahovaný text z PDF obsahuje podobný šum.

Vykreslená stránka problém objasňuje: tyto značky patří k dekoraci, nikoli k úvodní větě. Volba PDF zachovává obrázek, podle kterého čtenář chybu rozpozná; kopírování z jeho textové vrstvy však problém s rozpoznáním přenáší dál.

Neoznačujte každý neobvyklý pravopis ve staré francouzské knize za chybu. Historické písmo a pravopis vyžadují srovnání s obrázkem. Dekorace vykreslená jako vymyšlený řetězec je jiný problém než neobvyklé, ale skutečné tištěné slovo.

Příklad 2: Čitelný úryvek byl poškozen v obou textových výstupech

Na 260. stránce PDF souboru, viditelně očíslované v knize jako 252, obrázek ukazuje úryvek zmiňující Turquie a Pangloss. V souboru EPUB page_260.html jsou řádky kolem těchto jmen nahrazeny poškozeným textem; text z PDF extrahovaný pomocí Poppler 26.08.0 je v tomto úryvku také poškozen.

Proto bychom nedoporučovali vkládat tento EPUB přímo do pracovního postupu pro dlouhé dokumenty bez další kontroly zdroje. Přechod na PDF a kopírování jeho textu by pozorované poškození také nevyřešilo. Nestanovili jsme míru chybovosti pro celou knihu ani neurčili, který OCR postup by ji opravil nejlépe.

Náš třetí vzorek textu byla 100. stránka PDF souboru, viditelně očíslovaná jako 92. Poskytl další srovnání ze středu knihy, nikoli potvrzení, že zbývající stránky jsou správné. Kontrola pouze úvodních stránek by neodhalila pozdější poškozený úryvek.

Jiné vydání nenabízelo stejné formáty

Zkontrolovali jsme také položku candideouloptim01voltgoog, jejíž katalogová metadata uvádějí datum vydání 1759. Její seznam souborů z 12. září obsahoval soubor DjVu, ale žádný záznam PDF ani EPUB. DjVu stažené 11. září mělo 6 510 150 bajtů; jeho zveřejněné kontrolní součty stále odpovídaly aktualizovaným metadatům.

Šlo o kontrolu dostupnosti souborů, nikoli o recenzi vykresleného textu tohoto vydání. Nezjistili jsme, že by jeho text byl lepší, že je úplný, ani že by mohl nahradit vydání z roku 1761 pro konkrétní výzkumný úkol.

Praktické poučení je jednoduché: dva záznamy téhož díla nejsou zaměnitelné nabídky ke stažení. Pokud potřebujete přesné vydání, použijte čtečku, která přijímá nabízený soubor, nebo najděte jiný sken tohoto vydání. Pokud chcete dílo jen číst, může být snazší volbou jiné, dobře identifikované vydání.

Nepředpokládejte, že menší soubor, starší datum nebo přípona DjVu znamenají lepší OCR. To jsou jiné vlastnosti než přesnost textu.

Před importem knihy použijte krátkou ověřovací kontrolu

Stáhněte si pracovní list pro ověření vydání a souboru. Pro každou položku si ponechte jednu kopii, zvláště když porovnáváte několik vydání téhož titulu.

Proveďte těchto pět kontrol v uvedeném pořadí:

1. Identita: Dokážete záznam položky přiřadit k titulní stránce, jazyku, svazku a vydání, které potřebujete? Každý nesoulad si poznamenejte, místo abyste tiše zvolili jeden zdroj.
2. Přístup: Jde o běžně nabízené stažení? Zachovejte prohlášení o právech a oddělte své čtenářské užití od případného zamýšleného nahrání nebo dalšího šíření.
3. Otevření: Otevře se uložený soubor v aplikaci, kterou plánujete použít? Kontrola ZIP může diagnostikovat archiv EPUB, ale nemůže nahradit jeho otevření ve vaší čtečce.
4. Navigace a rozsah: Vyzkoušejte nabídku obsahu, prostřední část a konec. Porovnejte je s vlastním obsahem skenu nebo vydání; nepovažujte položky hřbetu EPUB za kapitoly ani stránky souboru PDF za tištěná čísla stránek.
5. Text: Porovnejte krátký úryvek na začátku, jeden uprostřed a jeden na konci. Zahrňte jméno, diakritiku nebo pasáž přecházející přes zlom stránky. Vyhledejte viditelná slova a prohlédněte zkopírovaný text, nejen obrázek stránky.

Podle výsledku zvolte další postup. Soubor, který se neotevře, naznačuje problém se stažením nebo formátem. Kniha, která vypadá dobře, ale kopíruje se nesprávně, potřebuje diagnostiku textové vrstvy. Chybějící naskenovaná stránka vyžaduje jiný zdroj, ne jen další pokus o OCR. Prázdná navigační nabídka může být tolerovatelná pro krátké nahlédnutí, ale pro souvislé čtení je frustrující.

U ukázky Candide bychom sken ponechali jako vizuální referenci a hledali čistší čtecí text nebo poškrábaný text opravili a ověřili před rozsáhlým použitím. Neoznačili bychom EPUB za připravený jen proto, že prošly kontroly stažení a ZIP.

Překládejte jen tehdy, pokud je jazyk zbývající překážkou

Pokud je soubor čitelný v jazyce, kterému již rozumíte, může být práce hotová. Existující vydání v preferovaném jazyce může být také vhodnější než vytváření nového překladu.

Pokud máte použitelný soubor, potřebná práva pro zamýšlené použití a zbývající jazykovou mezeru, je překladač EPUB nebo překladač PDF od BookTranslatoru relevantním dalším krokem. Jde o pracovní postupy překladu souborů, nikoli o nástroje pro odemykání výpůjček Internet Archive. DjVu není v produktovém katalogu zkontrolovaném pro tohoto průvodce akceptovaným formátem nahrání do BookTranslatoru.

U obrázkového zdroje nebo poškozeného rozpoznaného textu si před pokračováním projděte pracovní postup pro naskenované PDF. Režim OCR v BookTranslatoru rekonstruuje přeložený obsah, místo aby zachoval přesné původní rozvržení stránky; netestovali jsme jej na těchto souborech Candide. Ponechte si původní sken a při kontrole porovnejte důležité pasáže.

Užitečným výsledkem není „stáhl jsem knihu“. Je to „identifikoval jsem toto vydání, zkontroloval soubor pro svůj čtenářský úkol a vím, které problémy zůstávají“.