Hogyan töltsünk le Internet Archive könyveket: Válassz használható PDF-et vagy EPUB-ot

Ha le szeretnél tölteni egy Internet Archive könyvet, amely nyilvánosan elérhető fájlként, nyisd meg a tétel oldalát, keresd meg a Letöltési lehetőségek részt, és válassz egy felkínált PDF-et vagy EPUB-ot. Használd a Összes megjelenítése lehetőséget, ha egy konkrét fájlra van szükséged. Ezután ellenőrizd a kiadást és néhány tényleges oldalt, mielőtt a könyvet beillesztenéd az olvasási munkafolyamatodba.

Az utolsó lépés számít. Egy általunk megvizsgált francia Candide-kiadásban az EPUB átment a ZIP integritásellenőrzésen, de a navigációs dokumentum üres volt. A PDF olvasható részeket mutatott, amelyek mindkét fájl kinyert szövegében sérültek voltak. A sikeres letöltés csak az ellenőrzés kezdete volt.

Ez az útmutató a szokásos nyilvános letöltéseket tárgyalja, nem a korlátozott kölcsönzések exportálását. Az Internet Archive szerint nem minden tétel vagy fájl tölthető le. Ha először segítségre van szükséged egy megfelelő nyelvű kiadás megtalálásához, kezdd a nyilvános domain e-könyv válogatásunkkal.

Töltsd le a konkrét tételhez felkínált fájlt

1. Nyisd meg a könyv tétel oldalát, ne csak egy keresési találatot vagy egy oldalt az olvasóban.
2. Ellenőrizd a címet, a szerzőt, a nyelvet, a kötetet és a kiadási adatokat. Nyisd meg a beszkennelt címlapot, ha a kiadás számít.
3. Keresd meg a Letöltési lehetőségek részt, és válassz egy olyan formátumot, amelyet a tétel ténylegesen kínál.
4. Egy megnevezett fájlhoz válaszd a Összes megjelenítése lehetőséget, majd jelöld ki azt a fájlt. A PDF megnyílhat a böngésződben; a böngésző letöltésvezérlőjével mentsd el magát a PDF-et.
5. Mentsd el a tétel URL-jét a letöltés mellé, hogy később azonosítani tudd a forrást.

Ezek a szokásos letöltési útvonalak az Internet Archive fájlletöltési útmutatójában. Egy több fájlt tartalmazó formátumválasztás ZIP-et eredményezhet; ez egy csomag, nem feltétlenül egyetlen könyv. Válassz egyedi fájlt, ha csak arra van szükséged.

Kerüld a „minden fájl letöltése” kezdést. Egy tétel fájllistája tartalmazhat szkenneléseket, metaadatokat, OCR-kimeneteket, bélyegképeket és több olvasási formátumot. A sok fájl több ellenőrzési munkát jelent, nem pedig egy jobb olvasási példány bizonyítékát.

Ha hiányzik a PDF vagy az EPUB

Nézd meg a tényleges listát, ne találgass egy letöltési URL-t. Egyes tételek más formátumot kínálnak; mások hozzáférési korlátozásokkal rendelkeznek. Egy látható könyvelőnézet nem bizonyítja, hogy egy szokásos PDF vagy EPUB elérhető.

Ha a tétel kölcsönzésre vagy korlátozott olvasóra irányít, kövesd az ott megjelenő hozzáférési lehetőségeket. Ez a nyilvános letöltési munkafolyamat nem alakítja a kölcsönzést korlátlan fájllá. Hasonlóképpen, a letöltéshez való hozzáférés nem bizonyítja az engedélyt minden későbbi feltöltésre, fordításra vagy újrakiadásra; tartsd a konkrét kiadás jogi információit a forrásrekordoddal együtt.

Válassz olvasási példányt, és szükség esetén szkennelési referenciát

Ne csak a kiterjesztés alapján válassz. Aszerint válassz, hogy mit kell tenned ezzel a konkrét kiadással.

Az EPUB megkönnyítheti egy régi könyv olvasását, de a szkennelésből származó EPUB nem feltétlenül szerkesztett átirat. Az Internet Archive OCR-hibaelhárítási útmutatója elmagyarázza, hogy a szkennelési körülmények, a tipográfia, a nyelv és a tájolás befolyásolhatják a felismerést, és hogy a származtatott olvasási fájlok örökölhetik ezeket a hibákat.

A kereshető PDF-nél két dolgot kell megvizsgálni: a látható oldalt és a kijelöléshez és kereséshez használt szöveget. Az Internet Archive PDF-generálási dokumentációja leírja a képekből és OCR-ből származó szövegből épített PDF-eket. Egy tisztának tűnő oldal tehát nem bizonyítja, hogy a szavak másolása helyesen fog működni.

Szkennelésből származó könyv esetén hasznos lehet megtartani az EPUB-ot olvasáshoz és a ugyanazon elem PDF-jét referenciaként. Ez nem teszi pontossá az EPUB-ot; módot ad az ellenőrzésére. A formátumok közötti általánosabb kompromisszumról lásd: EPUB versus PDF.

Mit tartalmazott valójában egy francia Candide letöltés

Megvizsgáltuk az Internet Archive candideouloptimi00volt_1 elem EPUB-ját, amelyet a Candide 1761-es francia kiadásaként katalogizáltak. 2026. szeptember 12-én letöltöttük a PDF-jét, mindkét fájlt összevetettük az aktuális fájlmetaadatokkal, és összehasonlítottuk ugyanazon elem kiválasztott oldalait.

Az EPUB-ot szeptember 11-én töltötték le; a mérete és a közzétett ellenőrzőösszegek továbbra is megegyeztek a szeptember 12-i metaadatokkal. Megvizsgáltuk a csomagszerkezetét, négy PDF-oldalt rendereltünk, és összehasonlítottunk három megfelelő törzsszöveg-mintát. Ez nem volt teljes korrektúra, EPUB-olvasó kompatibilitási teszt vagy BookTranslator-fordítási teszt.

A címlap képe, a PDF 9. fájllapján, láthatóan viseli a M. DCC. LXI. dátumot. Ezt a képet és a tételrekordot egyaránt felhasználtuk a kiadás azonosításához. A fájlok időbélyegei és az a dátum, amikor egy webhely hozzáadott egy tételt, nem helyettesítik magának a könyvnek az ellenőrzését.

A letöltés-ellenőrzési jegyzőkönyv tartalmazza a fájlazonosítókat, a hash-értékeket, a hatókört és a megfigyeléseket. A reprodukciós jegyzetek elmagyarázzák, hogyan lehet megismételni a korlátozott ellenőrzéseket anélkül, hogy a következtetéseinkre támaszkodnánk.

1. példa: A díszítés szavakká vált

A PDF 11. fájllapján a fejezetnyitó cím fölött nagy díszítő keret található. A megfelelő EPUB-fájl, az EPUB/page_11.html, a cím előtt összefüggéstelen szimbólumok és betűk sorozatával kezdődik. A PDF kinyert szövege hasonló zajt tartalmaz.

A megjelenített oldal világossá teszi a problémát: ezek a jelek a díszítéshez tartoznak, nem egy bevezető mondathoz. A PDF választása megőrzi azt a képet, amely segít az olvasónak felismerni a hibát; a szövegrétegéből való másolás azonban továbbra is magával hozza a felismerési problémát.

Ne címkézzünk hibaként minden szokatlan helyesírást egy régi francia könyvben. A történelmi betűtípus és helyesírás összehasonlítást igényel a képpel. A kitalált szövegként megjelenített díszítés más probléma, mint egy szokatlan, de valódi nyomtatott szó.

2. példa: Egy olvasható szövegrész mindkét szövegkimenetben megsérült

A PDF 260. fájllapján, amely a könyvben láthatóan a 252-es számot viseli, a kép egy olyan szövegrészt mutat, amely említi a Turquie és Pangloss szavakat. Az EPUB page_260.html fájljában az e nevek körüli sorok helyére romlott szöveg került; a Poppler 26.08.0-val kinyert PDF-szöveg is sérült ebben a szövegrészben.

Ezért nem javasolnánk, hogy ezt az EPUB-ot további forrásellenőrzés nélkül közvetlenül egy hosszú dokumentumokra szolgáló munkafolyamatba tápláljuk. A PDF-re való váltás és annak szövegének másolása sem oldaná meg a megfigyelt sérülést. Nem állapítottunk meg hibaarányt a teljes könyvre nézve, és nem határoztuk meg, melyik OCR-munkafolyamat javítaná azt a legjobban.

A harmadik szövegmintánk a PDF 100. fájllapja volt, amely a könyvben láthatóan a 92-es számot viseli. Ez egy újabb, a könyv közepéről vett összehasonlítást adott, nem pedig bizonyítványt arról, hogy a többi oldal helyes. Pusztán a nyitóoldal ellenőrzése nem tárta volna fel a későbbi sérült szövegrészt.

Egy másik kiadás nem kínálta ugyanazokat a formátumokat

Megvizsgáltuk a (candideouloptim01voltgoog) tételt is, amelynek katalógusmetaadatai 1759-es kiadási dátumot adnak meg. A szeptember 12-i fájllistája tartalmazott egy DjVu-fájlt, de nem szerepelt benne PDF vagy EPUB. A szeptember 11-én letöltött DjVu 6 510 150 bájt volt; a közzétett ellenőrzőösszegei továbbra is megegyeztek a frissített metaadatokkal.

Ez egy fájl-elérhetőségi ellenőrzés volt, nem az adott kiadás megjelenített áttekintése. Nem állapítottuk meg, hogy a szövege jobb, hogy teljes, vagy hogy egy adott kutatási feladatban helyettesíthetné az 1761-es kiadást.

A gyakorlati tanulság egyszerű: ugyanazon mű két rekordja nem felcserélhető letöltési menü. Ha pontos kiadásra van szükséged, használj olyan olvasót, amely elfogadja a felkínált fájlt, vagy keress egy másik szkennelést arról a kiadásról. Ha csak el akarod olvasni a művet, egy másik, jól azonosított kiadás lehet a könnyebb választás.

Ne feltételezd, hogy egy kisebb fájl, egy régebbi dátum vagy a DjVu kiterjesztés jobb OCR-t jelent. Ezek más tulajdonságok, mint a szöveg pontossága.

Használj rövid elfogadási ellenőrzést, mielőtt importálod a könyvet

Töltsd le a kiadás- és fájlelfogadási munkalapot. Tételek szerint egy példányt tarts meg, különösen akkor, ha ugyanazon cím több kiadását hasonlítod össze.

Használd ezt az öt ellenőrzést sorrendben:

1. Azonosítás: Össze tudja egyeztetni a tételrekordot a keresett címlappal, nyelvvel, kötettel és kiadással? Minden eltérést jegyezzen fel ahelyett, hogy csendben kiválasztana egy forrást.
2. Hozzáférés: Ez egy szokásos felkínált letöltés? Őrizze meg a jogi nyilatkozatot, és különítse el olvasási célú felhasználását bármely tervezett feltöltéstől vagy terjesztéstől.
3. Megnyitás: A mentett fájl megnyílik abban az alkalmazásban, amelyet használni kíván? A ZIP-ellenőrzés diagnosztizálhatja az EPUB-archívumot, de nem helyettesítheti azt, hogy megnyissa az olvasójában.
4. Navigáció és lefedettség: Próbálja ki a tartalomjegyzéket, egy középső szakaszt és a befejezést. Hasonlítsa össze ezeket a szkennelés vagy a kiadás saját tartalmával; ne azonosítsa az EPUB gerincbejegyzéseit a fejezetekkel, sem a PDF fájllapjait a nyomtatott oldalszámokkal.
5. Szöveg: Hasonlítson össze egy rövid részletet az elejéről, egyet a közepéről és egyet a vége felől. Tartalmazzon egy nevet, egy ékezetet vagy egy oldaltörésen átívelő szakaszt. Keressen rá látható szavakra, és vizsgálja meg a másolt szöveget, ne csak az oldal képét.

Az eredmény alapján válassza ki a következő lépést. A meg nem nyíló fájl letöltési vagy formátumproblémára utal. A jól kinéző, de hibásan másoló könyvhöz szövegréteg-diagnózis szükséges. A hiányzó szkennelt oldal másik forrást igényel, nem csupán egy újabb OCR-kísérletet. Az üres navigációs menü elviselhető lehet rövid konzultációhoz, de frusztráló a hosszabb olvasáshoz.

A Candide mintapéldány esetében a szkennelt változatot vizuális referenciaként tartanánk meg, és egy tisztább olvasási szöveget keresnénk, vagy kijavítanánk és ellenőriznénk a sérült szöveget a széles körű újrafelhasználás előtt. Nem neveznénk az EPUB-ot késznek csupán azért, mert a letöltési és ZIP-ellenőrzések sikeresek voltak.

Csak akkor fordítson, ha a nyelv a fennmaradó akadály

Ha a fájl olyan nyelven olvasható, amelyet már ért, a munka befejeződhet. Egy létező kiadás az Ön által preferált nyelven szintén jobb választás lehet, mint egy új fordítást készíteni.

Ha rendelkezik használható fájllal, a tervezett felhasználáshoz szükséges jogokkal és egy fennmaradó nyelvi réssel, a BookTranslator EPUB-fordítója vagy PDF-fordítója releváns következő lépés. Ezek fájlfordítási munkafolyamatok, nem az Internet Archive kölcsönzéseinek feloldására szolgáló eszközök. A DjVu nem elfogadott feltöltési formátum a BookTranslator termékkatalógusában, amelyet ehhez az útmutatóhoz ellenőriztünk.

Képalapú forrás vagy sérült felismerési szöveg esetén tekintse át a szkennelt PDF munkafolyamatát, mielőtt továbblép. A BookTranslator OCR módja a lefordított tartalmat rekonstruálja, nem pedig az eredeti oldal pontos elrendezését őrzi meg; nem teszteltük ezeken a Candide fájlokon. Őrizze meg az eredeti szkennelést, és az ellenőrzés során hasonlítsa össze a fontos szakaszokat.

A hasznos eredmény nem az, hogy „letöltöttem egy könyvet”. Hanem az: „azonosítottam ezt a kiadást, ellenőriztem a fájlt az olvasási feladatomhoz, és tudom, milyen problémák maradtak.”