Opschonen en converteren naar Epub met md2eb.py
opschonen en converteren
Het door Marker gecreëerde bestand kan omgezet worden naar een Epub. Maar om een goede Epub te krijgen is er aardig wat opschoon werk nodig. Marker herkent behoorlijk goed wanneer een zin doorloopt op de volgende regel, maar kan dit niet overal goed doen. Daarnaast heeft de tekstherkenning (OCR) bijvoorbeeld moeite met de nederlandse ij. Zeker als de scan wat rommelig is wordt dat nogal eens als ii geïnterpreteerd. Daarvoor hebben we een stukje gratis open source software gecreëerd wat daarbij helpt: md2eb.py. Dit programma helpt met het opschonen en kan van het Markdown bestand een Epub maken, of ander gangbaar Ebook formaat.
installatie md2eb.py
vereisten voor md2eb.py
Het programma is een python programma die onder water gebruik maakt van het bekende open source pakket Calibre. Het is alleen getest onder Linux, maar zou ook moeten werken onder Windows en MacOS. We gaan daarom hier uit van Linux en gaan ook uit van enige kennis van Linux. De vereisten zijn daarmee:
- Redelijk recente versie van Python 3.
- Calibre
installatie
Bij de repository zijn veel bestanden te vinden, maar slechts twee bestanden zijn nodig:
Plaats deze ergens op een logische plek en maak het executable. Het handigst om deze in een directory te plaatsen in het Linux PATH. Daarna is het programma op te starten vanuit de terminal of er op te dubbelklikken.
Het hoofdscherm ziet er als volgt uit:
instellingen
Als het programma is geopened is rechtsbovenaan een zogenaamd hamburgermenu te vinden Als je daar op klikt zijn enige instellingen te vinden: preferences en ebook instellingen. Ebook instellingen horen bij een Markdown bestand dus daarvoor moet eerst een bestand worden geopened. De preferences zijn de standaardwaarden. Hier kan het standaard ebook formaat worden ingesteld en welke externe editor gebruikt wordt als de knop open in editor wordt gebruikt.
In het voorbeeld
opschonen met md2eb.py
Na het openen van een Markdown bestand middels Open file, kan begonnen worden met opschonen. Het opschoon gedeelte is verdeeld in twee secties: Batch bewerking en edit tools. De batchbewerking kan de bulk van de fouten corrigeren in gebroken zinnen en ii vervangen door ij waar dat logisch is. De logica van deze correctie is wel vrij conservatief in gesteld. Daarom zijn onder Edit tools knoppen met dezelfde naam te vinden. Deze zullen alleen stap voor stap door twijfel gevallen heen gaan. Het proces is daarom om eerst de batchbewerking tools te draaien. En daarna gebruik te maken van de Edit tools. Die maken gebruik van de drie grote tekst velden.
Klik op gebroken zinnen en er kan dan door de overgebleven gebroken zinnen heen gaan. Het eerste veld laat het fragment zien waar een gebroken zin is vinden voor de context. Het tweede veld alleen de zin. Het derde veld geeft een voorstel voor wijziging. Dit is een bewerkbaar veld dus je kan het daar zelf corrigeren. Als de wijziging correct is, of handmatig gecorrigeerd kan je het doorvoeren door op Wijzig te klikken. Dan zal het programma naar de volgende springen. Als er helemaal niets hoeft te worden gewijzigd kan je op negeer klikken en zal het ook naar de volgende springen. Fix ii werkt hetzelfde.
open in editor
Onder Edit tools staat ook de knop Open in Editor. Nadat alle opschoonactiviteiten in md2eb.py zijn afgerond is er nog best wat op te schonen ‘met de hand’. Bijvoorbeeld het toevoegen van een inhoudsopgave, verwijderen van plaatjes die er niet horen (bijvoorbeeld stempels) etc. Het best kan dat met een externe editor. Welke daarvoor gebruikt wordt moet eenmalig ingesteld worden in preferences. In ons voorbeeld is dat vscodium. VScodium zijn binaries van VScode, zonder de Micrsoft tracking. Dat start normaal op via /usr/bin/codium. Dus dat moet eenmalig worden ingesteld
Converteer naar Ebook.
Uiteindelijk moet het bestand worden omgezet naar een Ebook formaat. Calibre is daar zeer geschikt voor. Je kan dit direct vanuit Calibre doen door het Markdown bestand in Calibre te laden en de functionaliteit daar gebruiken. Het kan echter ook van md2eb.py die onder water Calibre gebruikt. Het voordeel is dat je per Markdown eenmalig de waardes instelt voor dit book, inclusief een cover. Daarna iedere keer dat op de knop Maak Ebook wordt geklikt het ebook gemaakt.
‘Onder water’ wordt Calibre gebruikt. Dat betekent dat md2eb.py gebruik maakt van de zogenaamde Command Line Interface (cli) van Calibre. Niet alle opties van de cli worden gebruikt. Zo kan Calibre meerdere formaten maken. Toevoegen van een extra formaat kan door op de juiste manier regel 606 van het python bestand EBOOK_FORMATS aan te passen