כיצד להוריד ספרים מ-Internet Archive: בחירת קובץ PDF או EPUB שניתן להשתמש בו

כדי להוריד ספר מ-Internet Archive הזמין לציבור כקובץ, פתחו את דף הפריט, אתרו את Download Options, ובחרו באחד מפורמטי ה-PDF או ה-EPUB המוצעים. השתמשו באפשרות Show All כאשר אתם זקוקים לקובץ ספציפי אחד. לאחר מכן, בדקו את המהדורה וכמה עמודים בפועל לפני שתעבירו את הספר לתהליך הקריאה שלכם.

השלב האחרון הזה חשוב במיוחד. במהדורה צרפתית של קנדיד שבדקנו, קובץ ה-EPUB עבר בהצלחה את בדיקת תקינות ה-ZIP, אך הכיל מסמך ניווט ריק. ה-PDF הציג קטעים קריאים שהיו פגומים בטקסט שחולץ משני הקבצים. הורדה מוצלחת הייתה רק תחילתה של הבדיקה.

מדריך זה עוסק בהורדות ציבוריות רגילות, ולא בייצוא של השאלות מוגבלות. ב-Internet Archive מציינים כי לא כל פריט או קובץ זמינים להורדה. אם דרושה לכם קודם עזרה במציאת מהדורה בשפה המתאימה, התחילו עם המדריך שלנו לבחירת ספרים אלקטרוניים ברשות הציבור.

הורידו את הקובץ המוצע עבור אותו פריט בדיוק

1. פתחו את דף הפריטשל הספר, ולא רק תוצאת חיפוש או עמוד בודד בתוך ממשק הקריאה.
2. בדקו את הכותר, המחבר, השפה, הכרך ופרטי ההוצאה לאור. פתחו את עמוד השער הסרוק כאשר למהדורה יש חשיבות.
3. אתרו את Download Options ובחרו בפורמט שהפריט אכן מספק בפועל.
4. עבור קובץ ספציפי בעל שם מסוים, בחרו ב- Show All, ולאחר מכן בחרו בקובץ זה. ייתכן שקובץ PDF ייפתח ישירות בדפדפן; השתמשו בלחצן ההורדה של הדפדפן כדי לשמור את קובץ ה-PDF עצמו.
5. שמרו את כתובת ה-URL של הפריט לצד הקובץ שהורדתם, כדי שתוכלו לזהות את המקור במועד מאוחר יותר.

אלו הם נתיבי ההורדה הרגילים המפורטים ב הוראות הורדת הקבצים של Internet Archive. בחירה בפורמט הכולל מספר קבצים עשויה להפיק קובץ ZIP; מדובר בחבילת קבצים, ולא בהכרח בספר בודד. אם אתם זקוקים לקובץ מסוים בלבד, בחרו בו באופן פרטני.

מומלץ להימנע מבחירה ראשונית ב-"הורדת כל הקבצים". רשימת הקבצים של פריט עשויה לכלול סריקות, מטא-דאטה, פלטי OCR, תמונות ממוזערות וכמה פורמטים שונים לקריאה. חבילת קבצים גדולה דורשת עבודת בדיקה רבה יותר, ואינה מעידה על עותק קריאה איכותי יותר.

אם קובץ PDF או EPUB אינו זמין

עיינו ברשימה בפועל במקום לנסות לנחש את כתובת ההורדה. פריטים מסוימים זמינים בפורמט אחר, ולאחרים יש מגבלות גישה. תצוגה מקדימה פעילה של ספר אינה מבטיחה שקובץ PDF או EPUB רגיל זמין להורדה.

אם הפריט מפנה אתכם להשאלה או לקורא בעל גישה מוגבלת, פעלו בהתאם לאפשרויות הגישה המוצגות שם. תהליך הורדה ציבורי זה אינו הופך השאלה לקובץ ללא הגבלות. באופן דומה, גישה להורדה אינה מהווה הרשאה לכל העלאה, תרגום או פרסום מחדש בהמשך; שמרו את פרטי הזכויות של המהדורה הספציפית לצד רשומת המקור שלכם.

בחירת עותק קריאה, ובמידת הצורך עותק סריקה לעיון

אל תבחרו אך ורק לפי סיומת הקובץ. בחרו בהתאם למה שעליכם לעשות עם מהדורה זו.

קובץ EPUB יכול להפוך ספר ישן לקל יותר לקריאה, אך EPUB שנוצר מסריקה אינו בהכרח תעתיק ערוך. המדריך לפתרון בעיות OCR של Internet Archive מסביר שתנאי הסריקה, הטיפוגרפיה, השפה וכיוון הטקסט עשויים להשפיע על הזיהוי, וקבצי קריאה שנגזרים מהם עלולים לרשת את השגיאות הללו.

ב-PDF הניתן לחיפוש יש שני מרכיבים שיש לבדוק: הדף הגלוי לעין והטקסט המשמש לסימון ולחיפוש. התיעוד ליצירת קובצי PDF של Internet Archive מתאר קובצי PDF שנבנו מתמונות ומטקסט שהופק באמצעות OCR. לכן, דף שנראה ברור וקריא אינו מוכיח שהעתקת המילים ממנו תעבוד כהלכה.

בספר שנוצר מסריקה, מומלץ לשמור עותק EPUB לקריאה ואת קובץ ה-PDF של אותו פריט לצורך עיון והשוואה. זה לא הופך את ה-EPUB למדויק יותר; זה פשוט מעניק דרך לאמת אותו. להרחבה על ההבדלים בין הפורמטים, ראו EPUB לעומת PDF.

מה קובץ הורדה אחד של קנדיד בצרפתית הכיל בפועל

בדקנו את קובץ ה-EPUB מתוך פריט של Internet Archive candideouloptimi00volt_1, המקוטלג כמהדורה צרפתית משנת 1761 של קנדיד. ב-12 בספטמבר 2026 הורדנו את קובץ ה-PDF שלו, השווינו את שני הקבצים מול המטא-דאטה הנוכחי של הקובץ, ובחנו דפים נבחרים מאותו פריט.

קובץ ה-EPUB הורד ב-11 בספטמבר; גודלו וערכי ה-checksum המפורסמים שלו עדיין תאמו את המטא-דאטה מ-12 בספטמבר. בדקנו את מבנה החבילה שלו, הפקנו תצוגה של ארבעה דפי PDF והשווינו שלוש דגימות טקסט תואמות מגוף הספר. בדיקה זו לא הייתה הגהה מלאה, מבחן תאימות לקוראי EPUB או מבחן תרגום של BookTranslator.

תמונת עמוד השער, בעמוד 9 בקובץ ה-PDF, נושאת בבירור את התאריך M. DCC. LXI.. השתמשנו בתמונה זו וכן ברשומת הפריט כדי לזהות את המהדורה. חותמות זמן של קבצים והתאריך שבו אתר אינטרנט הוסיף פריט אינם מהווים תחליף לבדיקת הספר עצמו.

ה דוח בדיקת ההורדה מכיל מזהי קבצים, ערכי גיבוב (hashes), היקף ותצפיות. ה הערות לשחזור הבדיקה מסבירות כיצד לחזור על הבדיקות המוגדרות מבלי להסתמך על המסקנות שלנו.

דוגמה 1: עיטור שהפך למילים

בעמוד 11 של קובץ ה-PDF, פתיחת הפרק כוללת מסגרת עיטור גדולה מעל הכותרת. קובץ ה-EPUB התואם, EPUB/page_11.html, מתחיל ברצף של סמלים ואותיות לא קשורים לפני הכותרת. הטקסט שחולץ מה-PDF מכיל רעש דומה.

העמוד המוצג מבהיר היטב את הבעיה: סימנים אלה שייכים לעיטור, ולא למשפט פתיחה. בחירה ב-PDF שומרת על התמונה ומאפשרת לקורא לזהות את השגיאה; אך העתקה משכבת הטקסט שלו עדיין גוררת את בעיית הזיהוי הלאה.

אל תסמנו כל כתיב לא מוכר בספר צרפתי ישן כשגיאה. גופנים וכתיב היסטוריים דורשים השוואה למול התמונה. עיטור שהומר למחרוזת מומצאת הוא בעיה שונה לחלוטין ממילה מודפסת אותנטית אך בלתי מוכרת.

דוגמה 2: קטע קריא שנפגם בשני פלטי הטקסט

בעמוד 260 בקובץ ה-PDF, שממוספר בספר עצמו כ-252, התמונה מציגה קטע המזכיר את Turquie ואת Pangloss. בקובץ ה- page_260.htmlשל ה-EPUB, השורות סביב השמות הללו הוחלפו בטקסט משובש; גם טקסט ה-PDF שחולץ באמצעות Poppler 26.08.0 פגום באותו קטע.

זו הסיבה שבגללה לא היינו ממליצים להזין את ה-EPUB הזה ישירות לתהליך עבודה עם מסמכים ארוכים ללא בדיקה נוספת של המקור. גם מעבר ל-PDF והעתקת הטקסט מתוכו לא יפתרו את הפגם שנמצא. לא קבענו שיעור שגיאות עבור הספר כולו ולא בדקנו איזה תהליך OCR יתקן זאת בצורה הטובה ביותר.

מדגם גוף הספר השלישי שלנו היה עמוד 100 בקובץ ה-PDF, שממוספר בספר כ-92. הוא סיפק השוואה נוספת מאמצע הספר, ולא אישור לכך ששאר העמודים היו תקינים. בדיקה של עמוד הפתיחה בלבד לא הייתה חושפת את הקטע הפגום בהמשך.

מהדורה אחרת לא הציעה את אותם הפורמטים

בדקנו גם את הפריט candideouloptim01voltgoog, שהמטא-נתונים בקטלוג מציינים עבורו שנת הוצאה 1759. רשימת הקבצים שלו מ-12 בספטמבר כללה קובץ DjVu אך ללא שום רשומת PDF או EPUB. קובץ ה-DjVu שהורד ב-11 בספטמבר שקל 6,510,150 בייטים; ערכי ה-checksum שפורסמו עבורו עדיין תאמו למטא-נתונים המעודכנים.

זו הייתה בדיקת זמינות קבצים בלבד, ולא סקירה של אופן הרינדור של אותה מהדורה. לא קבענו שהטקסט שלה טוב יותר, שהיא שלמה, או שהיא יכולה להחליף את מהדורת 1761 עבור משימת מחקר מסוימת.

הלקח המעשי פשוט: שתי רשומות של אותו חיבור אינן תפריטי הורדה הניתנים להחלפה ביניהם. אם אתם זקוקים למהדורה מדויקת, השתמשו בתוכנת קריאה שתומכת בקובץ המוצע או אתרו סריקה אחרת של אותה מהדורה. אם אתם רק רוצים לקרוא את היצירה, מהדורה אחרת בעלת זיהוי ברור עשויה להיות בחירה פשוטה יותר.

אל תניחו שקובץ קטן יותר, תאריך ישן יותר או סיומת DjVu מעידים על OCR טוב יותר. אלו מאפיינים שונים לחלוטין מדיוק הטקסט.

השתמשו בבדיקת קבלה קצרה לפני ייבוא הספר

הורידו את דף העבודה לבדיקת קבלת מהדורה וקובץ. שמרו עותק אחד לכל פריט, במיוחד בעת השוואה בין כמה מהדורות של אותו כותר.

בצעו את חמש הבדיקות הללו לפי הסדר:

1. זיהוי: האם ניתן להתאים את רשומת הפריט לעמוד השער, לשפה, לכרך ולמהדורה הדרושים לכם? תעדו כל אי-התאמה במקום לבחור מקור אחד באופן שקט.
2. גישה: האם זו הורדה רגילה וזמינה? שמרו את הצהרת הזכויות והפרידו בין השימוש שלכם לקריאה לבין כל כוונה להעלות מחדש או להפיץ את הקובץ.
3. פתיחת הקובץ: האם הקובץ השמור נפתח ביישום שבו אתם מתכננים להשתמש? בדיקת ZIP יכולה לאבחן ארכיון EPUB, אך אינה תחליף לפתיחתו בקורא הספרים שלכם.
4. ניווט וכיסוי: נסו לבדוק את תוכן העניינים, קטע מאמצע הספר ואת הסיום. השוו אותם לתוכן של הסריקה או המהדורה עצמה; אל תשוו אוטומטית בין רשומות השדרה (spine) ב-EPUB לפרקים, או בין מספרי עמודי ה-PDF למספרי העמודים המודפסים.
5. טקסט: השוו קטע קצר לקראת ההתחלה, אחד באמצע ואחד לקראת הסוף. ודאו שהקטעים כוללים שם, סימני ניקוד/הטעמה, או משפט החוצה מעבר עמוד. חפשו מילים גלויות ובדקו את הטקסט המועתק, ולא רק את תמונת העמוד.

השתמשו בתוצאה כדי לבחור את הצעד הבא שלכם. קובץ שאינו נפתח מעיד על בעיה בהורדה או בפורמט. ספר שנראה תקין אך מועתק באופן משובש דורש אבחון שכבת הטקסט. עמוד סריקה חסר מצריך חיפוש מקור אחר, ולא רק ניסיון OCR נוסף. תפריט ניווט ריק עשוי להיות נסבל לעיון קצר, אך מתסכל מאוד בקריאה רציפה וממושכת.

במקרה של הדוגמה מתוך קנדיד , היינו שומרים את הסריקה כרפרנס חזותי ומחפשים טקסט קריא ונקי יותר, או מתקנים ומאמתים את הטקסט הפגום לפני שימוש נרחב. לא היינו מגדירים את ה-EPUB כמוכן רק משום שבדיקות ההורדה וה-ZIP עברו בהצלחה.

תרגמו רק אם השפה היא המכשול האחרון שנותר

אם הקובץ קריא בשפה שאתם כבר מבינים, ייתכן שהמשימה שלכם הושלמה. כמו כן, מהדורה קיימת בשפה המועדפת עליכם עשויה להתאים יותר מאשר יצירת תרגום חדש.

אם יש בידיכם קובץ שמיש, הזכויות הנדרשות לשימוש המיועד שלכם ופער שפתי שנותר לגישור, ה- מתרגם ה-EPUB או ה- מתרגם ה-PDF של BookTranslator הוא הצעד הבא הרלוונטי. מדובר בתהליכי עבודה לתרגום קבצים, ולא בכלים לפריצת השאלות מ-Internet Archive. פורמט DjVu אינו נתמך להעלאה ב-BookTranslator לפי קטלוג המוצרים שנבדק עבור מדריך זה.

עבור מקור המבוסס על תמונות או טקסט שזיהויו נפגם, עיינו ב- תהליך העבודה עבור קובצי PDF סרוקים לפני שתמשיכו. מצב ה-OCR של BookTranslator משחזר את התוכן המתורגם במקום לשמר במדויק את פריסת העמוד המקורית; לא בדקנו אותו על קובצי קנדיד . שמרו את הסריקה המקורית והשוו קטעים חשובים במהלך הבדיקה.

התוצאה הרצויה אינה "הורדתי ספר", אלא "זיהיתי את המהדורה הזו, בדקתי שהקובץ מתאים למטרת הקריאה שלי, ואני יודע אילו בעיות נותרו".