Créer un EPUB avec LibreOffice et writer2xhtml (W2X)

[roger64]

Note du 5 avril 2012. Suivant de peu la parution de la version 1.2 de W2X, la première version du guide Plus, en style, est un complément à l'EPUB en pantoufles notamment dans le domaines des polices incorporées et des lettrines.Vous le trouverez ICI.

Note du 18 juillet 2011. La deuxième version du guide l'EPUB en pantoufles récapitule pratiquement toutes les informations utiles de ce fil jusqu'à cette date. Vous la trouverez ICI

Note du 22 avril 2011: la méthode décrite plus bas s'est considérablement améliorée depuis ce post. Pour gagner du temps (sauf si vous menez des recherches historiques) je vous invite à vous rendre directement ICI



Bonjour

Je ne suis pas un professionnel mais un amateur paresseux. Je produis des EPUB pour MobileRead pendant le froid de l'hiver parce qu'il me semble anormal qu'en 2011 on ne dispose pas encore d'un accès généralisé et gratuit à nos classiques libres de droits. Alors, je me comporte en citoyen responsable.

J'ai choisi MobileRead en raison de sa simplicité éditoriale après avoir échoué à mettre un volume sur FeedBooks, il y a deux ans.

J'ai définitivement choisi l'an dernier le format EPUB, après avoir commis une quinzaine de livres au format PDF. La raison? L'incertitude actuelle sur les tailles de liseuses.

La source du document: pour moi qui vis loin de toute bibliothèque francophone, le cas type est une image PDF de Gallica. (je déconseille d'utiliser leurs fichiers au format "texte" qui sont le plus souvent d'une illisibilité consternante). Il faut un logiciel d'OCR.

J'utilise sur Windows le logiciel Fine Reader 9 (ce n'est pas la dernière version) pour reconnaître le texte de l'image PDF et le convertir en fichier html.
La qualité de la reconnaissance est bien améliorée si vous utilisez un "gabarit utilisateur" et passez dix minutes à lui faire faire un apprentissage. Il vous le rendra au centuple...

Le fichier html est ensuite inséré dans un modèle OpenOffice.org (je passerai bientôt à LibreOffice).
Le texte est corrigé par comparaison. A cet effet, l'écran est partagé entre OO et un lecteur PDF. Il est systématiquement mis en forme en utilisant les styles, notamment pour les titres et les notes de fin.
Le plus souvent, vous avancez à la vitesse d'une lecture presque normale. Mais cela peut se dégrader en fonction de la qualité de l'image...

Une fois édité, j'utilise l'extension Writer2Epub pour produire l'EPUB, ce qui ne prend que quelques secondes.

Je passe un contrôle de l'EPUB avec Sigil. Je veille surtout aux parties hors format (début du texte, centrage des images etc...). Puis un ultime contrôle sur mon reader, qui n'est le plus souvent qu'une confirmation.

et pour aujourd'hui
https://www.mobileread.com/forums/sho...d.php?t=119410

En espérant susciter des vocations (aux souris, citoyens!!)...

[MMB]

Heuh... ça parle de quoi, les Pléiades ?

;o)

[roger64]

Bonjour

Ciel! un lecteur (du forum). Je te dédie celui-ci. C'est celui d'aujourd'hui.
https://www.mobileread.com/forums/sho...33#post1372433

NB. J'ai rajouté une ligne pour le sujet des Pléiades en réponse à ta question pertinente...

[Bertrand]

Originally Posted by roger64

J'utilise sur Windows le logiciel Fine Reader 9 (ce n'est pas la dernière version) pour reconnaître le texte de l'image PDF et le convertir en fichier html.
La qualité de la reconnaissance est bien améliorée si vous utilisez un "gabarit utilisateur" et passez dix minutes à lui faire faire un apprentissage. Il vous le rendra au centuple...

Bonsoir,

Je suis à peu près le même parcours pour me créer de temps à autres des epubs persos.
Je ne passe pas par un fichier HTML, par contre. De Finereader, j'enregistre directement en doc, j'ouvre dans opennoffice, je commence par lancer une batterie de macros que je me suis confectionné, ensuite une correction, puis W2E, puis ma propre CSS dans l'epub.

J'ai 2 questions :
- Y a-t-il un avantage à passer plutôt par le html ?
- Les gabarits utilisateurs dans abbyy : j'ai un peu de mal à comprendre leur mode de fonctionnement.
Faut-il faire un apprentissage pour chaque nouveau livre qu'on veut travailler ?
Si vous aviez quelques explications là-dessus :-)
(J'utilise la version 10, mais ça ne doit pas changer grand-chose en la matière)

Merci

(Et merci aussi pour le Leon Bloy, je viens de le récupérer)

[Randy11]

Merci pour les livres

[roger64]

@Randy11 et Bertrand: de rien

Voici pour fêter l'année du Lapin
https://www.mobileread.com/forums/sho...91#post1375291

Pour le suivant, il faudra attendre quelques jours...

Fine Reader 9
L'apprentissage est utile en général pour les vieux livres, pas trop bien scannés ou scannés avec une résolution inférieure à 300 dpi. A priori, il y a un gabarit par livre mais il n'est pas nécessaire d'y consacrer plus que quelques minutes pour le créer.

En ce qui concerne les gabarits, la première fois, ce n'est pas très convivial mais après c'est facile d'emploi.
Cliquer sur "Ouvrir", choisir le bouton "Options", puis l'onglet "lire", cocher la case (suivant le cas)
- Apprentissage gabarit utilisateur (essai deux pages du milieu du livre) ou
- Utiliser gabarit utilisateur (après l'apprentissage effectué)

Lorsque tu veux travailler seulement sur quelques pages, il ne faut pas cliquer sur le fichier image pdf car cela lance immédiatement la reconnaissance de l'ouvrage complet mais simplement le sélectionner puis définir la fourchette souhaitée des pages de travail.

Si la qualité d'image est très dégradée, il peut être nécessaire de passer en manuel en sélectionnant soi-même les blocs texte.

OpenOffice
Je passe ensuite sur Linux et j'utilise OpenOffice 3.2.1. J'ai créé un modèle dans lequel il me suffit d'insérer le fichier html. Ce format est beaucoup plus flexible que le format .doc qui ne fait que rajouter des trucs inutiles.

En relisant le texte ensuite, il faut veiller à recréer la hiérarchie du document (titres) et surveiller son affichage dans le navigateur (F5).

Travailler au maximum avec les styles (F11).

[Bertrand]

Merci pour les infos.
Je vais regarder ces gabarits de plus près.

[EowynCarter]

J'ai trouvé un logiciel bien utile, Jutoh.
Il manque de paufinage sur certains points, mais fait pas mal de chose. En particulier pour passer de l'odt a l'epub, et de l'ePub a l'odt.
roger, tu fait comment pour utiliser les fichier html avec open office ? en mode "web" ?

[roger64]

Bonjour

D'abord, avec OpenOffice, je mets le fichier html légué par Fine Reader partout à la bonne police, avec la bonne taille. Les italiques sont préservées.

Ensuite, j'ouvre le modèle de travail "Sony reader" dans OpenOffice et j'insère le fichier html. Il n'y a pas plus simple.

Pour pouvoir travailler par comparaison sur un demi-écran, mon modèle est au format 9x12 mais cela n'influe pas naturellement sur le résultat final, un EPUB est un EPUB.

[EowynCarter]

Oui. En fait j'avais pas vu que mon fichier html (venant d'un ePub), n'avait pas les bonne balises. Et donc, mal reconnu par Ooo qui l'ouvre en mode texte.

[roger64]

Bonjour

A propos du choix et de la qualité chez Gallica.

Le choix offert au public me semble bon

J’ai fait un test, tout à fait arbitraire, qui ne vaut que ce qu’il vaut. J’ai sélectionné dix ouvrages recommandés à des titres divers par des auteurs ou des critiques de l’époque et appartenant à la littérature dite «de qualité» et les ai cherché sur Gallica.

J’en ai trouvé cinq, ce qui est un résultat honorable qui montre que, si l’on veut bien y passer un peu de temps, il y a de quoi faire....

J’ai cherché ailleurs les cinq livres manquants. Parmi eux, celui d’un auteur (C. Farrère) mort à un âge très avancé en 1957. Trois autres, dont les auteurs respectifs sont morts en 1930, 1939 et 1941, peuvent être acquis à la FNAC à des prix très raisonnables. Si l’on ajoute aux soixante-dix ans de droits d’auteur, les années dues à la compensation des guerres, il est bien possible que ces livres ne soient pas encore libres de droits. Ceci justifierait qu’ils ne soient pas encore disponibles sur Gallica.

A titre d’information, il s’agit des livres suivants:
- Fumée d’opium de Claude Farrère
- Sao, l’amoureuse tranquille de Henry Casseville
- Annam sanglant de (de) Pouvourville
- Kilomètre 83 de Henri Daguerches

Compte tenu de cela, le choix offert par Gallica semble finalement très bon.

Le téléchargement des images PDF depuis le site de Gallica fonctionne vite et bien.

mais la qualité technique me semble incertaine

Je suis par contre plus réservé sur la qualité technique de la production de Gallica

Leurs fichiers texte sont le plus souvent d’une qualité consternante, tout juste suffisante pour permettre une consultation ponctuelle (et encore avec beaucoup de chance). Il n’est pas possible d’espérer lire un ouvrage avec ce type de fichier.

Mais l’important après tout, c’est les images PDF. Malheureusement, la qualité des images scannées est inégale. Certains ouvrages ont de nombreuses pages souillées de trainées noirâtres, voire sont carrément ornées de bordures noires qui gênent sensiblement le travail de l’OCR.

Si on les trouvait sur tous les livres, je pourrais conclure à une déficience technique chronique. Mais, ce n’est pas le cas, certains livres ont, tour à tour, des pages nettes et des pages bordées...

Gallica a les ongles en deuil...

Edition

Le dernier petit nouveau venant de chez Gallica est arrivé: "Les derniers jours de Pékin", il s'agit ici du "vieux" Pékin, à la fois impérial et vermoulu.
https://www.mobileread.com/forums/sho...11#post1385611

[roger64]

Changement de technique !!!

Créer un EPUB directement à partir d’un fichier odt (OpenOffice)

Ayant eu à faire face à une difficulté pour produire un EPUB avec l’extension pour OpenOffice writer2epub (W2E), j’ai cherché à le faire en utilisant une autre extension nommée writer2xhtml plus Sigil, technique que j’avais déjà utilisée l’an dernier. J’ai eu l’excellente surprise de m’apercevoir qu’il existait depuis novembre 2010 une nouvelle version de cette extension qui permet d’exporter directement vers le format EPUB !!

Vous la trouverez ici: http://writer2latex.sourceforge.net/index12.html, (installer la dernière version, la 1.1.5.)

Une fois téléchargé le dossier Writer2LaTeX, vous ouvrez ce fichier zip et vous installez dans OpenOffice simplement l’extension writer2xhtml.oxt (471 k) qui, comme son nom ne vous l’indique pas vous permettra d’exporter directement un fichier odt vers le format EPUB.

La seule chose n’a pas encore été finalisée et qui devrait l’être au cours des prochaines semaines, c’est l’écriture des méta-données que vous pourrez réaliser avec Sigil.

Le code de sortie est très propre puisque c’est du pur xhtml. La conversion est, autant que possible, respectueuse de vos styles et très rapide. Elle ne vous impose pas d’utiliser un style précis comme W2E à qui, décidément, je vais faire des infidélités.

Il faut veiller à rédiger votre document odt avec les styles (F11). Le principe de fonctionnement est clair: «garbage in, garbage out»... Vous êtes prévenus...

J’ai exporté sans problèmes Les derniers jours de Pékin en v2 en utilisant cette extension. Yeah!!

Adopté.

[roger64]

Bonjour

Edition

Un nouveau titre : L'opium de Paul Bonnetain.

https://www.mobileread.com/forums/sho...14#post1391214

Vous pouvez aussi le trouver ailleurs, à des prix d’extorsion (156 € ).
Après tout, il s’agit d’un livre rare, donc cher...
http://www.wanted-rare-books.com/pau...in-l-opium.htm

Technique

L'EPUB a été créé avec OpenOffice, puis converti avec l'extension writer2xhtml . Sigil a été utilisé uniquement pour les méta-données (voir post plus haut) .

J'ai utilisé une macro typographique appelée TypoPat dont je vous laisse juger les résultats.

J'ai rajouté deux copies d'écran:

La première pour montrer comment se passe en pratique l'essentiel de la comparaison (Ubuntu Maverick). Sur cette copie d'écran, l’image de Gallica est excellente, compte tenu de l’âge du livre, ce qui influe favorablement sur la qualité de la reconnaissance.

Si l’on dispose d’un OCR de qualité et donc d’une bonne base de travail, la restauration avec OO se fait le plus souvent à vitesse de lecture et permet de rester en même temps attentif à l’intrigue. Tout cela se fait sans stress, à votre rythme. Le temps nécessaire dépend du volume de l’ouvrage, de la qualité de l’image, et surtout de l’intérêt que vous y trouverez.

La seconde image est la fenêtre de dialogue de writer2xhtml, qui, vous le voyez, ne vous donnera pas mal de tête.

Bonne lecture

[roger64]

Bonjour

Publication de bans.

j'ai entamé aujourd'hui l'epubisation depuis Gallica de l'ouvrage suivant:
Fumeurs d'Opium de Jules Boissière

[Coolmicro]

Mais, tu es obsédé par l'opium ! C'est louche ça...

J'ai un doc "en attente" sur mon disque, du même auteur, depuis plus de 5 ans, "Propos d'un intoxiqué" : aucune idée de sa provenance, peut-être un PDF Gallica ?

Je te dis au cas où tu veuille passer de l'opium à l'intoxiqué...