# 裁裁剪剪：小议自制电子书的一点手艺

> 本文公开全文。

原文：https://utgd.net/article/21065

曾有一张流传甚广的图片，图上只有一支铅笔和一盒磁带，发布者留言：知道这项技能的人都老了。

发布者所谓的失传技能，是指当磁带卡住时用铅笔转动磁带。年轻的读者别说此技能，恐怕连磁带都不认识，搞不好连带橡皮擦的六棱柱铅笔都没见过（我真的见过这样的小孩）。

随着数字音乐——更不要说流媒体——流行，转磁带之技注定失传。然而，时髦事物背后也带着资本的意识形态，新一代不是简单地掌握了新技能的集合，而是更多地追求无缝技术、用户体验和傻瓜式功能。

付钱解决一切？这恐怕有些问题。我诧异地发现，即便在生产性的领域，例如制作电子书时，多数人也习惯了将目标与消费混同，总喜欢问“我该买什么软件”。事实上，很多事情不应该或根本不可能用钱解决，你可能需要重拾种种低技术，尤其是被遗忘的上一代技能。

本文试以从英文扫描版 PDF 自制双语 EPUB 电子书为例，展示一套低技术的电子书制作流程，借此谈谈为何需要在数字时代掌握基本手艺。

不少重要的出版物——主要是年代较早的——并没有真正意义上的电子版，充其量，你只能找到扫描版。若是中文也罢，可这世上多数重要的书籍是用英文写的，于是我们一下子被好几道围栏隔在外面，最后往往只能不了了之，搁置这些材料。我最近刚好遇到一本文采斐然但只有英文扫描版的书籍：知名广告人 Gossage 的 Is There Any Hope for Advertising。不同于传统印象中的广告狂人，Gossage 以其对广告的批判著称，其思想至今在西方互联网上有回音。我一方面想看 Gossage 的书，可另一方面，这于我而言毕竟是业余杂书，我实在没空抽时间啃原文。于是，我将扫描版英文书 PDF 制成了中英双语的电子书，快速消化（Gossage 的文风相对平实，译成中文后损失不大）。

如果你寄希望于某个神奇的一键式转换软件，恐怕只会失望，因为扫描版 PDF 并不能直接转换为文本格式，不仅页眉页脚会混入正文，换页时被截断的句子也无法正常翻译，你好像往一台香肠灌装机里倒入了混着碎骨头的肉末，成品难以下咽。

但如果我们抛弃傻瓜相机式的思维，认认真真看看手头的 PDF，兴许会发现，其实只需一点手工劳动，就能打通自动处理的各个环节。这些手艺，就像在去除数字世界中的骨头碎，只需少量人工劳动，就能让 OCR 和对照翻译等工业机器顺利运作。

让我们开始处理这份棘手的 PDF。OCR 往往是自制电子书的第一环，借此提取文本，随后才能编排或翻译，但通常情况下，书籍的页眉页脚等枝节部分也会混入 OCR 结果，把原本连贯的文本切得七零八落，导致后续无法正常编辑或翻译。

其实，在 OCR 之前就可以批量移除页眉页脚。只需借助原生的预览工具（Preview\.app），选定所需部分，按下快捷键 ⌘Command\-K，即可裁下正文，撇去边角。但凡书籍扫描时不至于过分歪斜，你就可以先在侧边栏中批量选中多个页面，随后统一裁剪。当然，目录、版权页、章节第一页可能有特殊排版，尚需分开裁剪。

视书籍不同，偶尔也要裁掉页边的注释方能正常 OCR。Is There Any Hope for Advertising 倒不存在这种情况，但我购买的不少台湾地区出版物则喜欢在页边钩玄提要，虽说方便了读者，却难为了 OCR 引擎。这类书籍若需转为文本版本，我也会事先剪掉页面边缘。

一旦切出正文，OCR 通常会势如破竹，很快可以得到整齐的文本。顺予指出，事先裁剪还可以避免乱码，我曾在 UNTAG 付费栏目中分析过 OCR 乱码问题，发现部分原因在于书籍版面复杂，而一旦切掉上下左右的多余文本，只留整齐的逐行文字，OCR 引擎的压力也会小很多。

至此，应该已经得到了不掺杂质的文本。但就英文资料而言，换页时往往会带上换行或多个空行，导致连贯的句子被分成两部分，翻译时也显得莫名其妙——毕竟，一句话被砍作两段，结果即便就是前后都不正常。为此，还需修复多余的换行。

此时完全不需要逐个手动修复。转念一想，大可把换行修复任务还原为简单的字符替换问题：凡是不以标点符号结尾的段落，基本就意味着此处因为换页而被意外截断，故只需借助正则表达式找到它们，再统一消除多余换行或空行。你需要找到匹配 \[\\w,;\]$\\s\* 的文本，然后将其替换为空格。熟悉正则表达式的读者可自行选择工具，不熟的话，可尝试免费的轻代码编辑器 BBEdit 或 CotEditor。

拓展阅读：

- 律师工作中的轻代码编辑器

- Hum：为什么跟文字打交道的人需要轻代码编辑器

俟得到修整完毕的文本，终于可以进入翻译环节。您可以选用现成的翻译工具，甚至是 Microsoft Word 内置的翻译功能，我个人更偏爱自己的对照翻译方案。

拓展阅读：

- 一种几乎永不失效的网页中英对照翻译方案

- 将外文电子书翻译成双语对照版本，并在任何设备上阅读

- Safari 无法翻译网页时的必胜解法

几番辗转下来，终于获得了一份原文与译文并肩的电子书，既可在电脑上阅读，也可以塞进手机或 Kindle，随时翻阅。回顾全程，自制一本电子书可能经历四五个版本的文件，估计早已让追求无缝技术的读者浑身冷汗了吧。

诚然，这样处理书籍，少则十几分钟，多则一个小时，实在无法和一键转换、一键翻译的商业方案相提并论。但是在这些时髦工具不奏效时，苟愿意稍稍花费一些时间，你就获得了世间独此一份的资料，领先同侪一步。

说到底，与抽丝般的漫长阅读之旅相比，这点手艺活儿的时间，实在不值一提。

---

[前往标准阅读页](https://utgd.net/article/21065?audience=web)