如何下載 Internet Archive 圖書：挑選可用的 PDF 或 EPUB 格式
下載公開提供的 Internet Archive 圖書，挑選合適的版本與格式，並透過實際的 PDF/EPUB 比對來檢查 OCR 辨識問題。
若要下載以檔案形式公開提供的 Internet Archive 圖書，請打開該項目的頁面，找到 Download Options，然後選擇所提供的 PDF 或 EPUB。當你需要特定檔案時，請使用 Show All 。在將書本匯入日常閱讀流程之前，請務必先核對版本並抽查幾個實際頁面。
最後一步至關重要。在我們檢查的一個法文版《 Candide 》中，EPUB 檔案雖然通過了 ZIP 完整性檢查，但導覽文件卻是空的。PDF 雖有可讀段落，但這兩個檔案擷取出的文字都已損毀。順利下載僅僅是檢查流程的開始。
本指南著重於一般公開下載，而非匯出受限的借閱圖書。Internet Archive 表示， 並非所有項目或檔案皆可下載。如果你需要先找到合適的語言版本，請參考 我們的公有領域電子書挑選指南.
下載該項目明確提供的檔案
- 請打開該書的 項目頁面，而不僅是搜尋結果或閱讀器中的單一頁面。
- 核對書名、作者、語言、卷冊和出版資訊。如果版本很重要，請翻到掃描的扉頁確認。
- 找到 Download Options ，並選擇該項目確實提供的格式。
- 若要尋找特定名稱的檔案，請選擇 Show All，然後選取該檔案。PDF 可能會在瀏覽器中直接開啟；請使用瀏覽器的下載功能來儲存 PDF 檔案本身。
- 下載時請一併儲存該項目的網址，以便日後確認來源。
這些是 Internet Archive 檔案下載說明中的常規下載途徑。包含多個檔案的格式選項可能會產生 ZIP 壓縮檔；這是一個套件包，不一定代表單一書籍。如果您只需要單一書籍，請直接選取個別檔案。
請避免一開始就選擇「下載所有檔案」。單一項目的檔案清單可能包含掃描檔、中繼資料、OCR 辨識結果、縮圖以及多種閱讀格式。龐大的檔案集合只會增加檢查的負擔，並不代表能提供更好的閱讀版本。
如果找不到 PDF 或 EPUB
請查看實際的檔案清單，而不是猜測下載網址。有些項目提供的是其他格式；有些則設有存取權限限制。看得到書籍預覽畫面，並不代表就能下載常規的 PDF 或 EPUB。
如果該項目引導您前往借閱或受限制的閱讀器，請依照該處顯示的存取選項操作。此公開下載流程無法將借閱書籍轉換為無限制的檔案。同樣地，擁有下載權限並不代表具備日後上傳、翻譯或重新發行該檔案的許可；請務必將特定版本的版權資訊與來源紀錄一併保留。
選擇閱讀版本，並在需要時保留掃描對照本
不要只看副檔名做選擇。請根據您需要對這個特定版本進行的操作來決定。
| 您的下一個任務 | 優先選擇 | 檢查要點 |
|---|---|---|
| 舒適閱讀並自訂字體大小 | EPUB（若有提供） | 章節導覽、段落順序，並挑選幾個段落與掃描檔對照 |
| 檢視印刷頁面或核對引文 | 該項目的掃描版 PDF | 清晰可辨的影像、正確的版本以及相關的印刷頁面 |
| 搜尋或重複使用內文字句 | 包含可用文字的檔案 | 搜尋畫面上可見的詞組，然後將複製的文字與頁面進行比對 |
| 使用僅提供 DjVu 格式的紀錄 | 相容的閱讀器或其他合適的來源 | 您的閱讀應用程式是否支援該檔案；切勿將其重新命名為 .pdf |
EPUB 能讓古籍更易於閱讀，但由掃描檔衍生出的 EPUB 並不等於經過校對的排印文本。Internet Archive 的 OCR 疑難排解指南 指出，掃描品質、字體排印、語言與頁面方向都會影響辨識成效，而衍生的閱讀檔案也可能會繼承這些錯誤。
可搜尋的 PDF 有兩個檢查重點：肉眼可見的頁面，以及用於選取和搜尋的文字。Internet Archive 的 PDF 產生機制說明文件 介紹了結合影像與 OCR 辨識文字建立 PDF 的流程。因此，頁面看起來清晰，並不代表複製出來的文字就能準確無誤。
對於掃描衍生的書籍，保留 EPUB 用於閱讀，並留存 同一個項目的 PDF 作為對照參考，會很有幫助。這並不能讓 EPUB 變得更準確，但能提供查證的依據。若想深入了解格式之間的權衡，請參閱 EPUB 與 PDF 的比較.
實測下載一本法文版《戇第德》後發現了什麼
我們檢視了來自 Internet Archive 項目 candideouloptimi00volt_1的 EPUB，該書編目為 1761 年法文版的 《戇第德》（Candide）。我們於 2026 年 9 月 12 日下載了其 PDF，將兩份檔案與目前的檔案中繼資料進行比對，並對照了同一項目中的精選頁面。
該 EPUB 於 9 月 11 日下載，其大小與公開的校驗碼仍與 9 月 12 日的中繼資料一致。我們檢查了其套件結構、彩現了四頁 PDF，並對比了三段相應的正文樣本。這 並非完整的逐字校對、EPUB 閱讀器相容性測試，亦非 BookTranslator 翻譯測試.
| 檢查項目 | 觀察結果 | 能證明——以及不能證明——的事項 |
|---|---|---|
| EPUB 下載完整性 | 19,084,489 位元組；ZIP CRC 檢查通過 | 壓縮檔可正常讀取，但不代表內容準確無誤 |
| EPUB 結構 | 280 個閱讀順序條目；以下檔案中沒有連結： EPUB/nav.xhtml；缺少 package 標題或語言元素 | 封裝元數據與導覽結構需要留意；280 個條目並不代表有 280 個章節 |
| 同一項目的 PDF | 24,007,667 位元組；276 個檔案頁面 | 頁數與 EPUB 不同，但這本身並不能證明書籍缺頁 |
| 原始掃描元數據 | 278 筆掃描記錄，其中 276 筆標記為包含在可存取格式中 | PDF 頁數與該收錄清單相符；這並非對紙本圖書完整性的獨立檢查 |
位於 PDF 檔案第 9 頁的扉頁圖像上清晰標有日期 M. DCC. LXI.。我們結合該圖像與項目記錄來確認版本。檔案時間戳記和網站新增項目的日期，都不能取代對書籍本身的核對。
這份 下載檢查記錄 包含檔案識別碼、雜湊值、檢查範圍與觀察結果。而 重現步驟說明 則說明了如何在不依賴我們結論的情況下，自行重複這些有限度的檢查。
範例 1：裝飾圖案被誤識別為文字
在 PDF 檔案的第 11 頁，章節開頭的標題上方有一圈大型裝飾邊框。對應的 EPUB 檔案 EPUB/page_11.html在標題前出現了一串無關的符號和字母。從 PDF 擷取出來的文字中也包含類似的雜訊。
渲染後的頁面清楚說明了問題所在：那些痕跡屬於裝飾圖案，而非前言句子。選擇 PDF 可以保留原始圖像，讓讀者能辨認出這個錯誤；但若直接從其文字層複製，依然會帶有這個辨識錯誤。
切勿將古老法文法書籍中不熟悉的拼法一概視為錯誤。歷史字體與拼字需要與原始圖像對照核實。將裝飾圖案誤辨識為憑空捏造的字串，與遇到罕見但真實存在的印刷詞彙，是完全不同的兩回事。
範例 2：可讀段落在兩種文字輸出中均受損
在 PDF 檔案第 260 頁（書本可見頁碼為 252）中，圖像顯示了一段提及 Turquie 與 Pangloss的內容。但在 EPUB 的 page_260.html中，這些人名周圍的文字變成了亂碼；使用 Poppler 26.08.0 擷取出的 PDF 文字在該段落中同樣遭到損毀。
這就是為什麼我們不建議在沒有進一步檢查來源的情況下，將此 EPUB 直接匯入長文件工作流程。改用 PDF 並複製其文字也無法解決發現的損毀問題。我們並未計算整本書的錯誤率，也沒有判定哪種 OCR 工作流程能最好地修復它。
我們的第三個內文抽樣是 PDF 檔案第 100 頁（書本可見頁碼為 92）。它提供了另一個書本中間段落的比較，而不是保證其餘頁面都正確無誤。僅檢查起始頁面是無法發現後續受損段落的。
另一個版本未提供相同格式
我們也檢查了 項目 candideouloptim01voltgoog，其目錄詮釋資料顯示出版年份為 1759 年。該項目在 9 月 12 日的檔案清單中包含一個 DjVu 檔案，但 沒有任何 PDF 或 EPUB 項目。9 月 11 日下載的 DjVu 檔案大小為 6,510,150 位元組；其公布的校驗碼與重新整理後的詮釋資料依然吻合。
這只是一次檔案可用性檢查，並非對該版本的渲染效果評估。我們並未認定其文字品質更好、內容完整，或能在特定研究任務中取代 1761 年的版本。
實際的教訓很簡單：同一部作品的兩筆不同記錄，並不是可以互換的下載選單。如果您需要特定版本，請使用支援其提供檔案的閱讀器，或尋找該版本的其他掃描檔。如果您只是想閱讀該作品，選擇另一個版本資訊明確的版本可能會更輕鬆。
不要以為較小的檔案、較早的年份或 DjVu 副檔名就意味著更好的 OCR。這些特性與文字精準度是兩回事。
匯入書籍前先進行簡短的驗收檢查
下載 版本與檔案驗收工作表。每個項目請保留一份，在比對同一書名的多個版本時尤其需要。
請依序執行以下五項檢查：
- 身分比對： 您能否將項目記錄與您需要的書名頁、語言、冊數及版本對應起來？如有任何出入，請記錄下來，而不要在未經確認的情況下逕自選擇某個來源。
- 存取途徑： 這是常規提供的下載檔案嗎？請保留權利聲明，並將個人閱讀用途與任何預期的上傳或重新散布用途明確區隔。
- 檔案開啟： 儲存的檔案能否在你打算使用的應用程式中順利開啟？ZIP 檢查能診斷 EPUB 壓縮檔是否損毀，但無法取代實際在閱讀器中開啟測試。
- 導覽與完整度： 試著切換目錄選單、閱讀中間章節與結尾部分。將這些內容與掃描件或原版本身的目錄進行比對；切勿將 EPUB 的 spine 條目直接等同於章節，也不要把 PDF 檔案頁碼與印刷實體頁碼混為一談。
- 文字品質： 比對開頭附近、中間以及結尾處的一小段文字。選取的段落最好包含人名、重音符號或跨頁文字。直接搜尋可見單字並檢查複製出來的文字內容，而不是只看頁面圖像。
根據檢查結果決定下一步行動。無法開啟的檔案通常代表下載中斷或格式問題。外觀正常但複製文字有誤的書籍，需要進行 文字層診斷。若缺少掃描頁面，需要的是尋找其他來源，而非單純重新執行 OCR。空白的導覽目錄或許不影響簡短查閱，但對長時間深入閱讀來說會相當不便。
以這本《 Candide 》範例來說，我們會保留掃描件作為視覺對照參考，並尋找文字更乾淨的版本，或在廣泛重複使用前先修復並驗證損毀的文字。我們絕不會僅僅因為下載完成且通過 ZIP 檢查，就認定這份 EPUB 已經準備就緒。
僅在語言是唯一障礙時再進行翻譯
如果檔案所使用的語言你已經看得懂且閱讀無礙，處理工作可能到此就已完成。此外，直接尋找目標語言的現成譯本，往往也比自己製作新翻譯更合適。
如果你手邊有可用的檔案、符合預期用途的必要權限，且唯一的阻礙是語言隔閡，那麼 BookTranslator 的 EPUB 翻譯器 或 PDF 翻譯器 就是合適的下一步。這些屬於檔案翻譯工作流程，並非用來解除 Internet Archive 借閱限制的工具。在撰寫本指南所查閱的產品規格中，DjVu 並非 BookTranslator 支援的上傳格式。
若來源是純圖片或辨識文字已損毀，請在繼續之前先參閱 掃描版 PDF 處理流程 。BookTranslator 的 OCR 模式會重新建構翻譯後的內容，而不是保留精確的原始頁面版面配置；我們尚未針對這本《 Candide 檔案更為常見。請保留原始掃描檔，並在校對時比對重要段落。
真正有價值的成果並非「我下載了一本書」，而是「我已確認了這個版本，針對我的閱讀需求檢查了檔案，並且清楚還存在哪些問題」。
