Cách tải sách trên Internet Archive: Chọn file PDF hoặc EPUB chuẩn

Để tải một cuốn sách có sẵn công khai dưới dạng tệp trên Internet Archive, hãy mở trang chi tiết của mục đó, tìm phần Download Options, rồi chọn định dạng PDF hoặc EPUB được cung cấp. Sử dụng Show All khi bạn cần một tệp cụ thể. Sau đó, hãy kiểm tra phiên bản xuất bản và xem thử vài trang thực tế trước khi đưa sách vào quy trình đọc của bạn.

Bước cuối cùng này rất quan trọng. Trong một ấn bản tiếng Pháp của cuốn Candide mà chúng tôi đã kiểm tra, tệp EPUB vượt qua được bước kiểm tra tính toàn vẹn của tệp ZIP nhưng lại có tài liệu điều hướng trống rỗng. Bản PDF hiển thị các đoạn văn đọc được nhưng phần văn bản trích xuất ở cả hai tệp đều bị lỗi. Việc tải xuống thành công mới chỉ là bước khởi đầu của quá trình kiểm tra.

Hướng dẫn này áp dụng cho các lượt tải xuống công khai thông thường, không bao gồm việc xuất các tệp mượn có giới hạn. Internet Archive lưu ý rằng không phải mục hay tệp nào cũng có thể tải xuống. Nếu bạn cần trợ giúp tìm ấn bản ngôn ngữ phù hợp trước, hãy bắt đầu với hướng dẫn chọn ebook thuộc phạm vi công cộng của chúng tôi.

Tải tệp được cung cấp cho chính xác mục đó

1. Mở trang chi tiết của mục, không chỉ là kết quả tìm kiếm hay một trang riêng lẻ trong trình đọc trực tuyến.
2. Kiểm tra tiêu đề, tác giả, ngôn ngữ, tập sách và thông tin xuất bản. Hãy mở trang bìa lót được scan khi ấn bản là yếu tố quan trọng.
3. Tìm mục Download Options và chọn định dạng mà mục đó thực sự cung cấp.
4. Để chọn một tệp cụ thể theo tên, hãy chọn Show All, sau đó chọn tệp đó. Tệp PDF có thể mở trực tiếp trên trình duyệt của bạn; hãy dùng nút tải xuống của trình duyệt để lưu tệp PDF về máy.
5. Hãy lưu lại URL của mục này cùng với tệp đã tải xuống để bạn có thể xác định nguồn sau này.

Đây là các phương thức tải xuống thông thường theo hướng dẫn tải tệp của Internet Archive. Một lựa chọn định dạng chứa nhiều tệp có thể tạo ra một tệp ZIP; đó là một gói tập hợp, không nhất thiết là một cuốn sách đơn lẻ. Hãy chọn từng tệp riêng lẻ nếu bạn chỉ cần có vậy.

Tránh bắt đầu bằng việc “tải xuống tất cả các tệp”. Danh sách tệp của một mục có thể bao gồm bản quét, siêu dữ liệu (metadata), kết quả OCR, hình thu nhỏ và nhiều định dạng đọc khác nhau. Một bộ sưu tập tệp khổng lồ chỉ khiến việc kiểm tra mất công hơn, chứ không đồng nghĩa với việc bạn có được một bản đọc chất lượng hơn.

Nếu không có PDF hoặc EPUB

Hãy xem danh sách thực tế thay vì tự đoán một URL tải xuống. Một số mục cung cấp định dạng khác; những mục khác có thể có các hạn chế truy cập. Một bản xem trước sách hiển thị được trên web không chứng minh rằng luôn có sẵn tệp PDF hoặc EPUB thông thường.

Nếu mục đó chuyển hướng bạn đến việc mượn sách hoặc trình đọc có giới hạn, hãy làm theo các tùy chọn truy cập được hiển thị tại đó. Quy trình tải xuống công khai này không thể biến một lượt mượn thành một tệp không bị hạn chế. Tương tự, việc có quyền tải xuống không đồng nghĩa với việc bạn được phép tải lên lại, dịch thuật hoặc tái xuất bản sau này; hãy lưu thông tin bản quyền của phiên bản cụ thể cùng với bản ghi nguồn của bạn.

Chọn bản sao để đọc và bản quét đối chiếu khi cần

Đừng chỉ chọn dựa vào phần mở rộng tệp. Hãy chọn dựa trên những gì bạn cần làm với ấn bản cụ thể này.

Định dạng EPUB có thể giúp một cuốn sách cũ dễ đọc hơn, nhưng một tệp EPUB được trích xuất từ bản scan không nhất thiết là một bản chép lại đã qua biên tập. Hướng dẫn khắc phục sự cố OCR của Internet Archive giải thích rằng chất lượng bản scan, kiểu chữ, ngôn ngữ và hướng trang đều có thể ảnh hưởng đến khả năng nhận dạng, và các tệp tài liệu đọc được trích xuất có thể kế thừa những lỗi đó.

Một tệp PDF có thể tìm kiếm được có hai phần cần kiểm tra: trang hiển thị trực quan và phần văn bản được dùng để bôi đen cũng như tìm kiếm. Tài liệu tạo PDF của Internet Archive mô tả các tệp PDF được dựng từ hình ảnh và văn bản trích xuất bằng OCR. Do đó, một trang nhìn có vẻ rõ ràng không đồng nghĩa với việc sao chép từ ngữ trên đó sẽ hoạt động chính xác.

Đối với một cuốn sách được trích xuất từ bản scan, việc giữ một bản EPUB để đọc và bản PDF của chính tài liệu đó để đối chiếu có thể rất hữu ích. Việc này không làm cho tệp EPUB trở nên chính xác hơn; nó chỉ mang lại cho bạn một phương tiện để đối soát. Để hiểu rõ hơn về sự đánh đổi giữa các định dạng, hãy xem EPUB so với PDF.

Thực tế bên trong một lượt tải Candide tiếng Pháp có những gì

Chúng tôi đã kiểm tra tệp EPUB từ mục Internet Archive candideouloptimi00volt_1, được lập danh mục là ấn bản tiếng Pháp năm 1761 của Candide. Vào ngày 12 tháng 9 năm 2026, chúng tôi đã tải xuống tệp PDF của mục này, kiểm tra cả hai tệp dựa trên siêu dữ liệu tệp hiện tại, và so sánh các trang được chọn từ cùng một tài liệu.

Tệp EPUB đã được tải xuống vào ngày 11 tháng 9; kích thước và mã tổng kiểm đã công bố vẫn khớp với siêu dữ liệu ngày 12 tháng 9. Chúng tôi đã kiểm tra cấu trúc gói của tệp, kết xuất bốn trang PDF và so sánh ba đoạn văn bản nội dung tương ứng. Đây không phải là một quy trình hiệu đính toàn diện, kiểm thử tính tương thích của trình đọc EPUB hay thử nghiệm dịch thuật trên BookTranslator.

Hình ảnh trang bìa lót, tại trang tệp PDF thứ 9, hiển thị rõ ràng ngày M. DCC. LXI.. Chúng tôi đã sử dụng hình ảnh đó cũng như bản ghi của mục để xác định ấn bản. Mốc thời gian của tệp và ngày trang web thêm mục vào không thể thay thế cho việc kiểm tra chính cuốn sách.

Bản ghi kiểm tra tệp tải xuống chứa các mã định danh tệp, mã băm, phạm vi và các quan sát. Ghi chú tái hiện giải thích cách lặp lại các bước kiểm tra có giới hạn này mà không cần phụ thuộc vào kết luận của chúng tôi.

Ví dụ 1: Họa tiết trang trí bị biến thành từ ngữ

Tại trang tệp PDF thứ 11, phần mở đầu chương có đường viền trang trí lớn phía trên tiêu đề. Tệp EPUB tương ứng, EPUB/page_11.html, bắt đầu bằng một chuỗi các ký hiệu và chữ cái không liên quan trước tiêu đề. Lớp văn bản trích xuất từ PDF cũng chứa các tạp âm tương tự.

Trang được kết xuất làm rõ vấn đề: các ký tự đó thuộc về phần trang trí, không phải là một câu mở đầu. Chọn bản PDF sẽ giữ lại hình ảnh giúp người đọc nhận ra lỗi này; việc sao chép từ lớp văn bản của nó vẫn sẽ mang theo lỗi nhận dạng đó.

Đừng vội coi mọi cách viết lạ lẫm trong một cuốn sách tiếng Pháp cổ là lỗi. Kiểu chữ và chính tả lịch sử cần được đối chiếu với hình ảnh thực tế. Họa tiết trang trí bị kết xuất thành một chuỗi ký tự tự tạo là vấn đề hoàn toàn khác so với một từ in thực tế tuy xa lạ nhưng chuẩn xác.

Ví dụ 2: Một đoạn đọc được rõ ràng bị lỗi ở cả hai định dạng văn bản xuất ra

Tại trang 260 của tệp PDF, được đánh số 252 trong sách, hình ảnh hiển thị một đoạn văn nhắc đến Turquie và Pangloss. Trong tệp page_260.htmlcủa EPUB, các dòng xung quanh những cái tên đó bị thay thế bằng văn bản lỗi; văn bản PDF được trích xuất bằng Poppler 26.08.0 cũng bị hỏng ở đoạn đó.

Đây là lý do chúng tôi không khuyến nghị đưa tệp EPUB này trực tiếp vào quy trình xử lý tài liệu dài mà không kiểm tra thêm nguồn gốc. Việc chuyển sang tệp PDF và sao chép văn bản của nó cũng không khắc phục được lỗi đã ghi nhận. Chúng tôi không tính toán tỷ lệ lỗi cho toàn bộ cuốn sách hay xác định quy trình OCR nào sẽ sửa chữa nó tốt nhất.

Mẫu nội dung thứ ba của chúng tôi là trang 100 của tệp PDF, được đánh số 92. Mẫu này cung cấp thêm một phép so sánh ở phần giữa sách, chứ không phải là sự đảm bảo rằng các trang còn lại đều chính xác. Nếu chỉ kiểm tra các trang mở đầu thì sẽ không thể phát hiện ra đoạn văn bị lỗi ở phần sau.

Một ấn bản khác không cung cấp các định dạng tương tự

Chúng tôi cũng đã kiểm tra mục candideouloptim01voltgoog, nơi siêu dữ liệu danh mục ghi ngày xuất bản là năm 1759. Danh sách tệp vào ngày 12 tháng 9 của mục này có chứa tệp DjVu nhưng không có mục PDF hoặc EPUB nào. Tệp DjVu được tải xuống vào ngày 11 tháng 9 có kích thước 6.510.150 byte; mã kiểm tra (checksum) được công bố của nó vẫn khớp với siêu dữ liệu vừa làm mới.

Đây chỉ là bước kiểm tra tính khả dụng của tệp, không phải là đánh giá chi tiết nội dung hiển thị của ấn bản đó. Chúng tôi không khẳng định rằng văn bản của nó tốt hơn, đầy đủ hơn hay có thể thay thế ấn bản năm 1761 cho một nhiệm vụ nghiên cứu cụ thể.

Bài học thực tế rất đơn giản: hai bản ghi của cùng một tác phẩm không phải là các menu tải xuống có thể hoán đổi cho nhau. Nếu bạn cần một ấn bản chính xác, hãy sử dụng trình đọc hỗ trợ định dạng tệp được cung cấp hoặc tìm một bản quét khác của ấn bản đó. Nếu bạn chỉ muốn đọc tác phẩm, một ấn bản khác có thông tin nhận dạng rõ ràng có thể là lựa chọn dễ dàng hơn.

Đừng cho rằng tệp có dung lượng nhỏ hơn, niên đại cũ hơn hoặc phần mở rộng DjVu đồng nghĩa với việc OCR tốt hơn. Đó là những đặc tính hoàn toàn khác với độ chính xác của văn bản.

Thực hiện bước kiểm tra nghiệm thu nhanh trước khi nhập sách

Tải xuống bảng kiểm tra nghiệm thu ấn bản và tệp. Hãy lưu giữ một bản cho mỗi mục, đặc biệt là khi so sánh nhiều ấn bản của cùng một tựa sách.

Thực hiện năm bước kiểm tra sau theo thứ tự:

1. Nhận dạng: Bạn có thể đối chiếu bản ghi mục đó với trang bìa lót, ngôn ngữ, tập và ấn bản bạn cần không? Hãy ghi lại mọi điểm khác biệt thay vì âm thầm chọn một nguồn duy nhất.
2. Khả năng truy cập: Đây có phải là bản tải xuống thông thường được cung cấp không? Hãy lưu lại tuyên bố về quyền và phân định rõ nhu cầu đọc cá nhân với bất kỳ ý định tải lên hay phân phối lại nào.
3. Khả năng mở tệp: Tệp đã lưu có mở được trong ứng dụng bạn dự định dùng không? Việc kiểm tra tệp ZIP có thể chẩn đoán kho lưu trữ EPUB, nhưng không thể thay thế cho việc mở trực tiếp tệp đó trên trình đọc của bạn.
4. Điều hướng và độ bao phủ: Hãy thử mở menu mục lục, một phần ở giữa và phần kết thúc. So sánh chúng với bản quét hoặc mục lục gốc của ấn bản; đừng đánh đồng các mục trong spine của EPUB với các chương sách, hay số trang của tệp PDF với số trang in.
5. Văn bản: So sánh một đoạn ngắn gần đầu sách, một đoạn ở giữa và một đoạn gần cuối. Hãy bao gồm cả tên riêng, dấu trọng âm hoặc một đoạn văn vắt qua chỗ ngắt trang. Tìm kiếm các từ hiển thị trên trang và kiểm tra văn bản được sao chép ra, chứ không chỉ nhìn vào hình ảnh của trang.

Hãy dựa vào kết quả đó để chọn bước xử lý tiếp theo. Một tệp không mở được báo hiệu sự cố tải xuống hoặc định dạng. Một cuốn sách trông có vẻ ổn nhưng sao chép văn bản bị lỗi thì cần chẩn đoán lớp văn bản. Một trang quét bị thiếu đòi hỏi phải tìm nguồn khác, chứ không chỉ đơn thuần là thử OCR lại. Menu điều hướng trống có thể chấp nhận được nếu chỉ tra cứu nhanh, nhưng sẽ rất khó chịu nếu dùng để đọc lâu dài.

Đối với ví dụ Candide , chúng tôi sẽ giữ bản quét làm tài liệu tham khảo trực quan và tìm một bản văn bản sạch hơn để đọc, hoặc sửa chữa và đối chiếu lại phần văn bản bị hỏng trước khi tái sử dụng sâu hơn. Chúng tôi sẽ không vội kết luận tệp EPUB đã sẵn sàng chỉ vì nó tải xuống thành công và vượt qua các bước kiểm tra tệp ZIP.

Chỉ dịch khi rào cản duy nhất còn lại là ngôn ngữ

Nếu tệp đã có thể đọc được bằng ngôn ngữ bạn nắm rõ, công việc coi như hoàn tất. Một ấn bản hiện có bằng ngôn ngữ bạn mong muốn cũng có thể là lựa chọn phù hợp hơn so với việc tự tạo bản dịch mới.

Nếu bạn đã có một tệp sử dụng được, có đủ quyền hạn cho mục đích sử dụng và rào cản duy nhất là ngôn ngữ, thì công cụ dịch EPUB hoặc dịch PDF của BookTranslator sẽ là bước tiếp theo phù hợp. Đây là các quy trình dịch tệp, không phải công cụ để bẻ khóa các bản sách mượn từ Internet Archive. DjVu không phải là định dạng tải lên được BookTranslator hỗ trợ theo danh mục sản phẩm được kiểm tra trong hướng dẫn này.

Đối với nguồn tài liệu dạng hình ảnh hoặc phần văn bản nhận dạng bị hỏng, hãy xem lại quy trình xử lý PDF quét trước khi tiếp tục. Chế độ OCR của BookTranslator sẽ tái cấu trúc nội dung bản dịch thay vì giữ nguyên bố cục trang gốc chính xác tuyệt đối; chúng tôi chưa thử nghiệm chế độ này trên các tệp Candide này. Hãy giữ lại bản scan gốc và đối chiếu các đoạn văn quan trọng trong quá trình rà soát.

Kết quả hữu ích không phải là “tôi đã tải xong một cuốn sách”, mà là “tôi đã xác định đúng ấn bản này, kiểm tra tệp phù hợp với nhu cầu đọc của mình và biết rõ còn những vấn đề nào tồn đọng”.