Конвертируем EPUB в TXT: просто, быстро, качественно

EPUB — это архив (ZIP), содержащий XHTML, CSS, изображения и метаданные. Текст разбит на множество файлов (главы, сноски). Прямое копирование часто ломает форматирование: пропадают абзацы, сливаются строки.

Основные проблемы:

• Смешивание контента: текст может быть вложен в <div>, <p>, <span> — нужен парсер.
• Спецсимволы: амперсанды, кавычки, тире — HTML-сущности (—) требуют декодирования.
• Игнорирование CSS: многие конвертеры выбрасывают стили, нарушая порядок блоков.

Понимание этой архитектуры помогает выбрать правильный инструмент.

Для конвертации подходят три основных подхода. Выбирайте в зависимости от объёма и требуемого контроля.

1. Онлайн-конвертер — для 1-2 файлов без установки софта. Пример: EPUB в TXT — загружаете, получаете чистый текст.
2. Calibre (ebook-convert) — мощный инструмент с настройками разбивки, шрифтов, табуляции. Подходит для пакетной обработки.
3. Pandoc — универсальный конвертер для тех, кто дружит с командной строкой. Поддерживает экспорт в TXT с произвольными шаблонами.

Ниже — детали по каждому.

Для разового использования или когда нет доступа к терминалу — идеальный вариант. Наш EPUB в TXT работает так:

1. Выберите файл EPUB (до 100 МБ).
2. Нажмите «Конвертировать» — обработка занимает несколько секунд.
3. Скачайте чистый TXT с сохранёнными абзацами и базовым форматированием.

Конвертер автоматически удаляет HTML-теги, JavaScript и CSS, оставляя только текстовое содержимое в порядке следования глав. Если нужно сохранить разметку (жирный, курсив) — лучше использовать EPUB в PDF или другие форматы.

Calibre — стандарт де-факто для работы с электронными книгами. Установите его, затем используйте ebook-convert.

Базовая команда:

ebook-convert input.epub output.txt --txt-output-formatting=plain

Параметр --txt-output-formatting=plain убирает лишние пробелы и символы.

Таблица полезных параметров:

Пример для сохранения абзацев:

ebook-convert book.epub book.txt --paragraph-type=1

Этот флаг вставляет пустую строку между абзацами.

Pandoc поддерживает множество форматов. Для EPUB→TXT:

pandoc input.epub -t plain -o output.txt

По умолчанию он удаляет всю разметку, но сохраняет абзацы (двойной перенос строки). Если нужно убрать колонтитулы, сноски или изображения — добавьте фильтры.

Фильтр для удаления изображений:

pandoc input.epub -t plain --strip-comments --wrap=none -o output.txt

Подводные камни:

• Если EPUB содержит встроенные шрифты, pandoc может некорректно определить кодировку — укажите --from=epub+smart.
• Сноски превращаются в обычный текст в квадратных скобках — используйте --reference-links для числовых ссылок.
• Для книг с таблицами pandoc упрощает их в строки через табуляцию — проверьте результат.

Даже лучшие конвертеры иногда дают сбои. Вот типичные проблемы и решения:

• Пропадают абзацы. EPUB может хранить текст в <pre> без переносов. Используйте --txt-output-formatting=plain в calibre или фильтр --wrap=preserve в pandoc.
• Мусорные символы. Если книга содержит математические формулы или символы Unicode, конвертер может заменить их на “?”. Добавьте параметр --charmap=UTF-8 в calibre или --to plain+sourcepos в pandoc.
• Смешение частей книги. Иногда оглавление, титульный лист и сноски выводятся вперемешку. Используйте --base-dir в calibre для указания порядка сортировки файлов EPUB.
• Огромные файлы. Если EPUB весит >50 МБ, онлайн-конвертер может отказаться. Разбейте книгу на главы через calibre: ebook-convert in.epub out.txt --max-toc-links=5.

Всегда проверяйте результат: откройте полученный TXT в блокноте с отображением непечатаемых символов. Ищите лишние пробелы, отсутствие переносов или потерянные сноски.

Даже опытные пользователи допускают эти ошибки:

1. Забывают указать кодировку. Всегда явно задавайте UTF-8: --output-encoding=utf-8 в calibre.
2. Игнорируют файл стилей. Некоторые книги задают отступы через CSS, которые теряются при конвертации. Для сохранения многоколоночного текста используйте --preserve-cover в calibre или конвертируйте сначала в HTML, потом в TXT.
3. Пытаются конвертировать защищённые DRM-файлы. Большинство конвертеров не работают с DRM. Снимите защиту легальными средствами (например, Calibre + DeDRM plugin), только если имеете право.
4. Не проверяют конечный размер. TXT может оказаться огромным из-за встроенных изображений (BASE64). Используйте --strip-all-imagery в calibre.

Перед конвертацией подумайте: действительно ли нужен чистый текст? Если вы планируете редактировать или переформатировать, рассмотрите:

• EPUB в PDF — сохраняет вёрстку, шрифты, изображения. Идеально для печати.
• EPUB в FB2 — формат FictionBook с поддержкой закладок и аннотаций.
• TXT в EPUB — обратная конвертация, если нужно снова получить структурированную книгу.

Однако если вам нужен именно текст для программы-читалки или анализа, TXT — оптимальный выбор.