Jak pobierać książki z Internet Archive: wybierz użyteczny plik PDF lub EPUB

Aby pobrać książkę z Internet Archive, która jest publicznie dostępna jako plik, otwórz jej stronę elementu, znajdź Opcje pobierania i wybierz oferowany plik PDF lub EPUB. Użyj Pokaż wszystko, gdy potrzebujesz jednego konkretnego pliku. Następnie sprawdź wydanie i kilka rzeczywistych stron, zanim przeniesiesz książkę do swojego procesu czytania.

Ostatni krok ma znaczenie. W francuskim wydaniu Kandyda, które sprawdziliśmy, EPUB przeszedł test integralności ZIP, ale miał pusty dokument nawigacji. PDF pokazywał czytelne fragmenty, które były uszkodzone w tekście wyodrębnionym z obu plików. Udane pobranie było tylko początkiem sprawdzania.

Ten przewodnik obejmuje zwykłe publiczne pobierania, a nie eksportowanie ograniczonych wypożyczeń. Internet Archive twierdzi, że nie każdy element lub plik można pobrać. Jeśli najpierw potrzebujesz pomocy w znalezieniu odpowiedniego wydania językowego, zacznij od naszego przewodnika po wyborze e-booków z domeny publicznej.

Pobierz plik oferowany dla tego konkretnego elementu

1. Otwórz stronę elementu książki, a nie tylko wynik wyszukiwania lub pojedynczą stronę w czytniku.
2. Sprawdź tytuł, autora, język, tom i szczegóły publikacji. Otwórz zeskanowaną stronę tytułową, gdy wydanie ma znaczenie.
3. Znajdź Opcje pobierania i wybierz format, który element faktycznie udostępnia.
4. W przypadku jednego nazwanego pliku wybierz Pokaż wszystko, a następnie wybierz ten plik. PDF może otworzyć się w przeglądarce; użyj kontrolki pobierania przeglądarki, aby zapisać sam plik PDF.
5. Zapisz adres URL elementu razem z pobranym plikiem, aby móc później zidentyfikować źródło.

To są zwykłe ścieżki pobierania w instrukcjach pobierania plików Internet Archive. Wybór formatu zawierający kilka plików może utworzyć plik ZIP; to pakiet, a niekoniecznie pojedyncza książka. Wybierz pojedynczy plik, jeśli tylko tego potrzebujesz.

Unikaj rozpoczynania od „pobierz wszystkie pliki”. Lista plików elementu może zawierać skany, metadane, wyniki OCR, miniatury i kilka formatów czytania. Duża kolekcja plików to więcej pracy do sprawdzenia, a nie dowód lepszej kopii do czytania.

Jeśli brakuje PDF lub EPUB

Spójrz na rzeczywistą listę, zamiast zgadywać adres URL pobierania. Niektóre elementy oferują inny format; inne mają ograniczenia dostępu. Widoczny podgląd książki nie oznacza, że zwykły PDF lub EPUB jest dostępny.

Jeśli element kieruje Cię do wypożyczenia lub ograniczonego czytnika, postępuj zgodnie z wyświetlonymi tam opcjami dostępu. Ten proces publicznego pobierania nie zamienia wypożyczenia w nieograniczony plik. Podobnie dostęp do pobrania nie oznacza zgody na każde późniejsze przesłanie, tłumaczenie lub ponowną publikację; zachowaj informacje o prawach do konkretnego wydania wraz z zapisem źródłowym.

Wybierz kopię do czytania, a w razie potrzeby odniesienie do skanu

Nie wybieraj wyłącznie na podstawie rozszerzenia. Wybierz na podstawie tego, co musisz zrobić z tym konkretnym wydaniem.

EPUB może ułatwić czytanie starej książki, ale EPUB pochodzący ze skanu niekoniecznie jest zredagowaną transkrypcją. Przewodnik rozwiązywania problemów z OCR Internet Archive wyjaśnia, że warunki skanowania, typografia, język i orientacja mogą wpływać na rozpoznawanie, a pliki do czytania pochodzące ze skanu mogą dziedziczyć te błędy.

PDF z możliwością wyszukiwania ma dwie rzeczy do sprawdzenia: widoczną stronę oraz tekst używany do zaznaczania i wyszukiwania. Dokumentacja generowania PDF Internet Archive opisuje pliki PDF tworzone z obrazów i tekstu pochodzącego z OCR. Dlatego strona wyglądająca na czytelną nie dowodzi, że kopiowanie jej słów będzie działać poprawnie.

W przypadku książki pochodzącej ze skanu przydatne może być zachowanie EPUB do czytania i PDF tego samego elementu do celów referencyjnych. Nie czyni to EPUB dokładnym; daje sposób na jego sprawdzenie. Aby poznać szerszy kompromis między formatami, zobacz EPUB versus PDF.

Co faktycznie zawierało jedno francuskie pobranie Candide

Sprawdziliśmy EPUB z elementu Internet Archive candideouloptimi00volt_1, skatalogowanego jako francuskie wydanie Candide z 1761 roku. 12 września 2026 roku pobraliśmy jego PDF, porównaliśmy oba pliki z bieżącymi metadanymi plików i porównaliśmy wybrane strony z tego samego elementu.

EPUB został pobrany 11 września; jego rozmiar i opublikowane sumy kontrolne nadal zgadzały się z metadanymi z 12 września. Zbadaliśmy jego strukturę pakietu, wyrenderowaliśmy cztery strony PDF i porównaliśmy trzy odpowiadające im próbki tekstu głównego. To nie było pełną korektą, testem zgodności czytnika EPUB ani testem tłumaczenia BookTranslator.

Obraz strony tytułowej, na 9. stronie pliku PDF, widocznie zawiera datę M. DCC. LXI.. Użyliśmy tego obrazu oraz rekordu egzemplarza do identyfikacji wydania. Znaczniki czasu plików i data dodania egzemplarza do witryny nie zastępują sprawdzenia samej książki.

Rekord kontroli pobierania zawiera identyfikatory plików, skróty, zakres i obserwacje. Notatki reprodukcyjne wyjaśniają, jak powtórzyć ograniczone kontrole bez polegania na naszych wnioskach.

Przykład 1: Dekoracja stała się słowami

Na 11. stronie pliku PDF otwarcie rozdziału ma dużą ozdobną bordiurę nad tytułem. Odpowiedni plik EPUB, EPUB/page_11.html, zaczyna się od ciągu niepowiązanych symboli i liter przed tytułem. Tekst wyodrębniony z PDF zawiera podobny szum.

Wyrenderowana strona jasno pokazuje problem: te znaki należą do dekoracji, a nie do zdania wstępnego. Wybór PDF zachowuje obraz, który pozwala czytelnikowi rozpoznać błąd; kopiowanie z jego warstwy tekstowej wciąż przenosi problem z rozpoznaniem dalej.

Nie oznaczaj każdej nieznanej pisowni w starej francuskiej książce jako błędu. Historyczna czcionka i pisownia wymagają porównania z obrazem. Dekoracja wyrenderowana jako wymyślony ciąg to inny problem niż nieznane, ale autentyczne drukowane słowo.

Przykład 2: Czytelny fragment został uszkodzony w obu wynikach tekstowych

Na 260. stronie pliku PDF, widocznie numerowanej w książce jako 252, obraz pokazuje fragment wspominający Turquie i Pangloss. W pliku EPUB page_260.html wiersze wokół tych nazw są zastąpione zniekształconym tekstem; tekst PDF wyodrębniony za pomocą Poppler 26.08.0 jest również uszkodzony w tym fragmencie.

Właśnie dlatego nie zalecalibyśmy podawania tego EPUB bezpośrednio do procesu przetwarzania długich dokumentów bez dalszego sprawdzenia źródła. Przełączenie na PDF i skopiowanie jego tekstu również nie rozwiązałoby zaobserwowanego uszkodzenia. Nie ustaliliśmy wskaźnika błędów dla całej książki ani nie określiliśmy, który proces OCR naprawiłby go najlepiej.

Nasza trzecia próbka treści to 100. strona pliku PDF, widocznie numerowana jako 92. Dostarczyła kolejnego porównania ze środka książki, a nie zaświadczenia, że pozostałe strony były poprawne. Sprawdzenie samej strony otwarcia nie ujawniłoby późniejszego uszkodzonego fragmentu.

Inne wydanie nie oferowało tych samych formatów

Sprawdziliśmy także egzemplarz candideouloptim01voltgoog, którego metadane katalogowe podają datę publikacji 1759. Jego lista plików z 12 września zawierała plik DjVu, ale żadnego wpisu PDF ani EPUB. Plik DjVu pobrany 11 września miał 6 510 150 bajtów; jego opublikowane sumy kontrolne wciąż zgadzały się z odświeżonymi metadanymi.

Była to kontrola dostępności plików, a nie przegląd wyrenderowanego tekstu tego wydania. Nie ustaliliśmy, że jego tekst był lepszy, że był kompletny ani że mógłby zastąpić wydanie z 1761 r. w konkretnym zadaniu badawczym.

Praktyczna lekcja jest prosta: dwa rekordy tego samego dzieła nie są wymiennymi menu pobierania. Jeśli potrzebujesz dokładnego wydania, użyj czytnika, który obsługuje oferowany plik, albo znajdź inny skan tego wydania. Jeśli chcesz tylko przeczytać dzieło, inne, dobrze zidentyfikowane wydanie może być łatwiejszym wyborem.

Nie zakładaj, że mniejszy plik, starsza data lub rozszerzenie DjVu oznaczają lepszy OCR. To inne właściwości niż dokładność tekstu.

Przed zaimportowaniem książki wykonaj krótką kontrolę akceptacyjną

Pobierz arkusz akceptacji wydania i pliku. Zachowaj po jednym egzemplarzu na pozycję, zwłaszcza gdy porównujesz kilka wydań tego samego tytułu.

Wykonaj po kolei te pięć kontroli:

1. Tożsamość: Czy potrafisz dopasować rekord pozycji do strony tytułowej, języka, tomu i wydania, których potrzebujesz? Odnotuj każdą rozbieżność, zamiast po cichu wybierać jedno źródło.
2. Dostęp: Czy to zwykłe oferowane pobranie? Zachowaj informację o prawach i oddziel swoje użycie do czytania od ewentualnego zamierzonego wgrania lub redystrybucji.
3. Otwieranie: Czy zapisany plik otwiera się w aplikacji, której planujesz użyć? Sprawdzenie ZIP może zdiagnozować archiwum EPUB, ale nie zastąpi otwarcia go w czytniku.
4. Nawigacja i pokrycie: Wypróbuj menu spisu treści, środkową sekcję i zakończenie. Porównaj je z własnym spisem treści skanu lub wydania; nie utożsamiaj wpisów grzbietu EPUB z rozdziałami ani stron pliku PDF z drukowanymi numerami stron.
5. Tekst: Porównaj krótki fragment na początku, jeden w środku i jeden pod koniec. Uwzględnij nazwisko, znak diakrytyczny lub fragment przechodzący przez podział strony. Wyszukaj widoczne słowa i sprawdź skopiowany tekst, nie tylko obraz strony.

Na podstawie wyniku wybierz następne działanie. Plik, który się nie otwiera, sugeruje problem z pobieraniem lub formatem. Książka, która wygląda dobrze, ale kopiuje się niepoprawnie, wymaga diagnozy warstwy tekstowej. Brakująca strona skanu wymaga innego źródła, a nie tylko kolejnej próby OCR. Puste menu nawigacyjne może być znośne przy krótkiej konsultacji, ale frustrujące przy dłuższym czytaniu.

W przypadku próbki Candide zachowalibyśmy skan jako odniesienie wizualne i poszukalibyśmy czystszego tekstu do czytania albo naprawilibyśmy i zweryfikowali uszkodzony tekst przed szerszym ponownym użyciem. Nie uznalibyśmy EPUB za gotowy tylko dlatego, że pobieranie i sprawdzenie ZIP zakończyły się pomyślnie.

Tłumacz tylko wtedy, gdy język jest pozostałą przeszkodą

Jeśli plik jest czytelny w języku, który już znasz, zadanie może być zakończone. Istniejące wydanie w preferowanym języku może być również lepszym rozwiązaniem niż tworzenie nowego tłumaczenia.

Jeśli masz użyteczny plik, niezbędne prawa do zamierzonego użycia i pozostałą lukę językową, tłumacz EPUB lub tłumacz PDF BookTranslatora jest odpowiednim następnym krokiem. To procesy tłumaczenia plików, a nie narzędzia do odblokowywania wypożyczeń Internet Archive. DjVu nie jest akceptowanym formatem wgrywania w BookTranslatorze w katalogu produktów sprawdzonym na potrzeby tego przewodnika.

W przypadku źródła opartego na obrazach lub uszkodzonego tekstu rozpoznanego zapoznaj się z procesem skanowanego PDF przed kontynuowaniem. Tryb OCR BookTranslatora rekonstruuje przetłumaczoną treść, zamiast zachowywać dokładny układ oryginalnej strony; nie testowaliśmy go na tych plikach Candide. Zachowaj oryginalny skan i porównuj ważne fragmenty podczas przeglądu.

Użytecznym rezultatem nie jest „pobrałem książkę”. Jest nim „zidentyfikowałem to wydanie, sprawdziłem plik pod kątem mojego zadania czytelniczego i wiem, jakie problemy pozostają”.