获取、加工和使用电子课本
本文最后更新于 2023年10月31日 晚上
纸质版的课本通常不便宜，尤其是国外出版的教材，而且它们携带起来非常重且不方便。如果有一台 iPad 或者类似的平板电脑，那么使用电子课本将会变得非常方便。
获取电子课本
Z-Library
Z-Library 是世界上最大的在线图书馆之一，它拥有超过 11,179,413 的书籍和 84,837,000 的文章。我们的目标是让每个人都能获得文学作品。
Z-Library 提供了多种访问方式，除了直接或通过 TOR 网络访问其网站，还有可以通过桌面客户端、Firefox 浏览器扩展、Telegram 机器人等方式获取图书资源，具体方式见此链接。
Library Genesis
图书馆创世纪是一个旨在收集和编目项目描述的社区，大部分是科学、科学和技术方向，以及文件元数据。除了描述之外，聚合器只包含由用户主持的第三方资源的链接。网站上发布的所有信息都是从公开的公共互联网资源中收集的，仅用于提供信息的目的。
Library Genesis 是一个俄罗斯的找书网站。它也有很多站点，在以下链接中寻找可访问的即可。科学上网可以稳定访问下列任意站点。
加工电子课本
网上获取的电子课本大多没有文字图层，为方便今后使用的时候快速定位和查找内容，需要提前对它们进行光学文字识别（OCR）和制作目录。
光学文字识别
ABBYY FineReader PDF (Windows and macOS)
我曾尝试过许多 PDF OCR 解决方案，大多数在识别中文时都会在每两个汉字中间增加一些无意义的空格。目前我发现的最好的文字识别软件是 ABBYY FineReader PDF。需注意，这是收费软件，但是我们可以找到破解版。
安装软件后立即打开，输入激活码激活软件。如果书中出现了数学公式，需要设置识别语言为「简体中文和英文，简单数学公式」；对于计算机类教材，还可以添加对应的程序设计语言。
回到我们刚才下载的电子课本，选择打开方式为 ABBYY FineReader PDF，软件会自动添加 PDF 页面并开始识别。识别过程是多核的，占用资源比较多，性能不太够的电脑可以考虑暂停其他操作。识别完后，对照警告检查页面，并导出。导出时可按需选择「使用 MRC 压缩图像」，打开该选项能显著缩小导出的文件，但部分数学公式可能会渲染异常。如果发生这样的情况，就不要勾选。导出的过程是单核的，因此可能会非常慢。确认导出的文件没有问题后，就可以退出 ABBYY FineReader PDF 了。
在识别下一本书之前，请先退出 ABBYY FineReader PDF，否则它将会将下一本书的页面添加到上一本书的末尾。
ABBYY FineReader PDF 无法处理使用 jbig2 编码的 PDF 文件。这种文件是纯黑白的，并且十分少见。解决方案：将 PDF 文件每页都导出为图像文件再进行处理。
Preview.app (Apple Silicon Mac)
在 macOS Ventura (13.0) 及后续版本，系统自带的 Preview.app 也可以进行 OCR 了。这是基于 macOS 的「实况文本」功能，在 QuickLook（快速查看）和 Preview.app（预览）中打开的 PDF 文档都会进行自动识别。在预览中，选择菜单栏中的「文件>导出…」后，勾选上「嵌入文本」复选框，然后保存，就能获得一份识别后的文档了。但是这个过程没有进度条，识别过程中整个预览（包括打开的其他文档窗口）都会无响应，耐心等待即可。
特别注意：实况文本是 Apple Silicon Mac 特有的功能，配有 Intel 处理器的 Mac 没有此功能。由于 ABBYY FineReader PDF 仅有 Intel 版本，在 Apple Silicon Mac 上需要转译运行，且无法发挥 Apple Silicon 神经学习处理能力的优势，在识别速度上被「实况文本」吊打。
制作目录
我们采用 Coherent PDF Tools 作为后续处理 PDF 的工具。对照官网的介绍下载、安装 cpdf 命令行工具。一般建议将下载好的对应版本的命令行工具拷贝到 /usr/local/bin 目录下。首次运行可能会被操作系统拒绝，到「设置>隐私与安全性>安全性」里允许即可。
我们先检查电子课本中是否自带目录：
1 | |
如果不加 -utf8 开关，cpdf 则只会输出目录中的 ASCII 字符，如果有汉字或者其他非 ASCII 字符，它们将会被忽略。
如果有输出，表示电子课本自带目录，导出后稍作处理就可以作为新目录插入到经过 OCR 的文件中。
1 | |
ABBYY FineReader PDF 在导出时会重新制作 PDF，因此不会保留原始 PDF 的书签。无论何时，对于 ABBYY FineReader PDF 导出的文件都需要重新添加目录。
如果原始电子课本没有自带目录，就需要我们手动制作。目录文件的格式参考官方文档，可以使用任意文本编辑器手动制作目录。
制作好我们的目录文件 bookmarks.txt 后，需要将其添加至 PDF 文件中。
1 | |
这条命令的 -utf8 的位置和上面一条的不一样。
检查输出的 PDF 文件，确认无误后可以删除先前产生的中间文件。
添加逻辑页码
一般来说，书籍的正文部分会从头开始重新编号页码，这就导致了我们阅览 PDF 文件的正文部分会出现书中的页码与文件的页码不一致的问题。为了使两者同步，我们可以往 PDF 文件中添加逻辑页码。在 Coherent PDF Tools 中，这样的操作被称为添加「页面标签」（Page Labels）。我们可以为页面标签指定不同的页面范围、样式、前缀、起始编号等等。默认的样式是十进制数字，默认的起始编号是 1。
样式 预览 DecimalArabic1, 2, 3, 4, 5… LowercaseRomani, ii, iii, iv, v… UppercaseRomanI, II, III, IV, V… LowercaseLettersa, b, c, …, z, aa, bb… UppercaseLettersA, B, C, …, Z, AA, BB… NoLabelPrefixOnlyNo number, but a prefix will be used if defined. 考虑一份有 20 页的 PDF 文件，我们要向其添加如下的页面标签：
i, ii, iii, iv, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, A-0, A-1, A-2, A-3, A-4, A-5
我们可以这么操作：
2
3cpdf -add-page-labels in.pdf 1-4 -label-style LowercaseRoman -o out.pdf
cpdf -add-page-labels out.pdf 5-14 -o out.pdf
cpdf -add-page-labels out.pdf 15-20 -label-prefix "A-" -label-startval 0 -o out.pdf
使用电子课本
将我们加工完成的电子课本文件使用任意 PDF 阅读器打开即可。经过我们对课本文件的处理，现在可以通过目录或页码快速、准确地定位到某一特定内容。
笔者目前常用的阅读器是 Preview.app 和 VSCode + PDF 插件（在写作业时同时需要参考书本）。如果安装了 LaTeX Workshop，由于该插件自带 PDF.js 用于预览生成的文件，无需另外安装插件即可查看 PDF 文件。