Tengo por costumbre almacenar mis documentos escaneados en el formato djvu, que fue expresamente creado para esa tarea y que otorga la mejor calidad posible en el menor espacio. Es el formato perfecto para documentos complejos sobre los que no se va a realizar un OCR (aunque también lo soporta). Además es un formato abierto, por lo que nos garantiza que podrá seguir empleándose en un futuro. Pero a veces necesito compartir estos ficheros con otros y para evitarme problemas suelo convertirlos a un formato más conocido y difundido como PDF.
Para realizar esta conversión empleo desde hace años (la primera versión es del 2009) un sencillo script en python. Ahora que he necesitado una conversión masiva de documentos de un formato al otro, he modificado el script para hacer esto más sencillo y he decidido compartirlo con cualquiera que pueda necesitarlo.
Los requisitos previos
Está diseñado para funcionar en Linux y necesita de la instalación de dos pequeños programas que son los que realmente realizan la conversión. Estos dos programas son ddjvu y tiff2pdf. Además de tener instalado Python en una versión 2.7 o superior. Estos dos programas vienen en los repositorios de prácticamente todas las distribuciones importantes dentro de los paquetes djvulibre y libtiff.
En el caso de no tenerlos instalados, la instalación de los mismos es muy sencilla, para distribuciones basadas en Debian/Ubuntu:
$ apt-get install djvulibre-bin libtiff-tools
ddjvu nos extrae las páginas que conforman el documento .djvu a un archivo intermedio en formato .tiff y tiff2pdf nos lo convierte en .pdf.
Modo de empleo
Emplearlo es muy sencillo, como se puede ver en la ayuda del mismo:
$ djvu2pdf -h usage: djvu2pdf [-h] [-d | -z] [-v] file [file ...] Converts a djvu file into a pdf file positional arguments: file The djvu file optional arguments: -h, --help show this help message and exit -d no compression. Best quality but big files. -z zip compression. More quality, more size. -v, --version show program's version number and exit
Básicamente llamandalo desde python y poniendo a continuación el nombre del fichero/s es lo único que necesitamos para ejecutarlo, por ejemplo:
$ ls documento.djvu documento_2.djvu $ python djvu2pdf.py documento.djvu documento_2.djvu $ ls documento.djvu documento.pdf documento_2.djvu documento_2.pdf
Opcionalmente tenemos las opciones -d y -z, que nos sirven para especificar si queremos no emplear compresión en el .pdf (por defecto emplea compresión jpeg) o emplear compresión zip, respectivamente. Si no empleamos compresión, la calidad final será la mejor posible, pero los archivos serán muy grandes. En cambio, empleando zip, tenemos unos ficheros ligeramente mayores a cambio de una calidad muy buena. Aunque la compresión zip puede dar problemas con algunos visores y lectores de ebooks.
El script, djvu2pdf.py
El contenido del scipt es el que sigue. Este está disponible como el fichero djvu2pdf.py dentro del repositorio Python Recipes que está alojado en github y actualizado siempre a la última versión.
#!/usr/bin/env python # -*- coding: utf8 -*- """ djvu2pdf.py: Converts a .djvu file into a .pdf file """ #============================================================================== # This Script does exactly as the description above says. #============================================================================== #============================================================================== # Copyright 2011 joe di castro <joe@joedicastro.com> # # This program is free software: you can redistribute it and/or modify # it under the terms of the GNU General Public License as published by # the Free Software Foundation, either version 3 of the License, or # (at your option) any later version. # # This program is distributed in the hope that it will be useful, # but WITHOUT ANY WARRANTY; without even the implied warranty of # MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE. See the # GNU General Public License for more details. # # You should have received a copy of the GNU General Public License # along with this program. If not, see <http://www.gnu.org/licenses/>. #============================================================================== __author__ = "joe di castro <joe@joedicastro.com>" __license__ = "GNU General Public License version 3" __date__ = "03/12/2011" __version__ = "0.3" try: import sys import os from argparse import ArgumentParser from subprocess import Popen, PIPE except ImportError: # Checks the installation of the necessary python modules print((os.linesep * 2).join(["An error found importing one module:", str(sys.exc_info()[1]), "You need to install it", "Stopping..."])) sys.exit(-2) def check_execs(*progs): """Check if the programs are installed, if not exit and report.""" for prog in progs: try: Popen([prog, '--help'], stdout=PIPE, stderr=PIPE) except OSError: msg = 'The {0} program is necessary to run the script'.format(prog) sys.exit(msg) return def arguments(): """Defines the command line arguments for the script.""" main_desc = """Converts a djvu file into a pdf file""" parser = ArgumentParser(description=main_desc) parser.add_argument("file", nargs="+", help="The djvu file") group = parser.add_mutually_exclusive_group() group.add_argument("-d", dest="qlty", action="store_const", const="-d", help="no compression. Best quality but big files.") group.add_argument("-z", dest="qlty", action="store_const", const="-z", help="zip compression. More quality, more size.") parser.add_argument("-v", "--version", action="version", version="%(prog)s {0}".format(__version__), help="show program's version number and exit") return parser def process(command, fname): """Process the external commands and report the errors.""" errors = Popen(command, stderr=PIPE).stderr.readlines() for line in errors: print("{0}: {1}".format(fname.upper(), line.rstrip(os.linesep))) def main(): """Main section.""" args = arguments().parse_args() djvu_files = args.file for djvu in djvu_files: if not os.path.exists(djvu): print("ERROR: cannot open '{0}' (No such file)".format(djvu)) else: djvu_filename = djvu.split(".djvu")[0] tiff = '{0}.tif'.format(djvu_filename) pdf = '{0}.pdf'.format(djvu_filename) process(['ddjvu', '-format=tiff', djvu, tiff], tiff) if os.path.exists(tiff): quality = args.qlty if args.qlty else "-j" process(['tiff2pdf', quality, '-o', pdf, tiff], pdf) os.remove(tiff) if __name__ == "__main__": check_execs('ddjvu', 'tiff2pdf') main()