PDG科普篇

本帖最后由 strnghrs 于 2009-8-13 08:17 编辑 

该文首发在读书园地，考虑到这里不少人对PDG也有兴趣，所以再发到这里。

============================================

这次的礼包包含两篇文章，第一篇先科普一下PDG格式，第二篇在第一篇的基础上，再分类推荐几个常用软件。

事先声明：

1、本文仅代表我自己的个人观点，没有必要争论：如果发现硬伤，欢迎指正；如果仅仅是有不同意见，请自己另写一篇去。

2、本文可以转载，但是必须注明转自读书园地，并注明原作者为strnghrs，并且不能对原文作任何删改，否则视为非法盗版。

3、本文写作过程中得到coolman的指正，在此表示感谢！

==========================================================================

新手初到园地，大概最心烦的就是与PDG相关的各种专有名词，包括图像版、文字版、清晰版、大图版、快速版、6xH等等，本文对此作一个简要说明，希望能起到扫盲的作用。

我个人认为，其实上面说的几个概念关系并不复杂，可以用下面的示意图（此图为strnghrs原创，版权所有，盗用必究）说明：

　　　　　　　　　　　　　　　　　　　　　　PDG文件

　　　　　　　　　　　　　　┏━━━━━━━━┻━━━━━━━━┓

　　　　　　　　　　　　图像版PDG　　　　　　　　　　　　　文字版PDG

　　　　　　　　　　（文件名无下划线）　　　　　　　　　（文件名带下划线）

　　　　　┏━━━━━━━━┻━━━━━━━┓　　　　　　　　　┃

　　　　清晰版　　　　　　快速版　　　　　大图版　　　　有人说好，有人不要

　　　　　┃　　　　　　　　┃　　　　　　　┃　　　　可能采用各种加密格式，

　　追求的目标　　　　　淘汰的目标　　　比快速版强　　解密后是图文混排的PDF

　常为02H、04H　　　常为05H、AxH、6xH　　非加密

解密后是CCITT、JPG　　解密后是DjVu　　JPG、PNG改名，原版ssreader不认PNG

当然对新手来说这个图理解起来有点困难，下面就加以详细解释。建议在看下文的时候，注意对照此图，以加深理解。

在早期PDG还处于“老子的队伍才开张”的时代，PDG文件都是用扫描后的图像文件产生的，骨子里还是一种图像格式，用官方浏览器ssreader打开后不能搜索、选择、复制文字，要想获得文字信息只能选择OCR。这样的PDG通常称为图像版PDG。

图像版PDG由于是从原书扫描成的，因此完全忠实于原书，包括版式、字体、插图等。但是图像文件毕竟太大，会给服务器、网络出口造成压力，而且不能直接搜索、复制文字也不便于使用，因此后来采用OCR引擎对扫描图像进行文字识别，再经ZIP压缩、按PDG文件格式加密封装等步骤后，出炉了一种骨子里是图文混排的PDF文件的PDG。这种PDG文件在ssreader里阅读时，能够直接搜索、选择、复制其中的文字，放大显示时文字也不会出现锯齿，因此被称为“文字版PDG”，以区别以前的图像版PDG。而在文件名上二者也有区别：图像版PDG文件名是6位，没有下划线；文字版PDG文件名长度不固定，中间有下划线。

到目前为止，没有任何一家OCR引擎敢保证自己的识别率是100%，事实上，我很怀疑未来有任何一家正常的软件公司敢下这样的保证。因此传统上认为文字版PDG不如图像版PDG靠得住，可能会因为OCR的差错而出现错别字，影响阅读、引用。这就是为什么在园地很多人求书时指明不要文字版PDG的原因。不过从我个人的实际经验看，早期纯靠OCR生成的文字版PDG确实存在一些问题，但是后期某些文字版PDG是直接用从出版社获得的原始排版文件生成的，没有OCR环节，不仅没有什么错别字（原书有错的除外），而且完全体现原书版式，还是很值得收藏的。当然，这样的高质量文字版PDG只能靠运气，赶上了就有，赶不上也没办法。

文字版PDG虽然文件短小，但OCR毕竟是一个费时、费力的活儿，把所有书籍全变成文字版PDG显然不太现实。因此为了减轻服务器和网络的压力，在图像版PDG中又出现了清晰版、快速版的区别。换句话说，文字版PDG是不分什么清晰版、快速版的。

按照常规定义，采用300 DPI扫描得到的PDG称为“清晰版”，采用150 DPI扫描得到的称为“快速版”。由于DPI差了一倍，对于同一页书，清晰版的长、宽是快速版的2倍，文件长度当然也要大一些，但是文字、插图会更清晰。在园地区别清晰版与快速版的常规做法是：用ssreader打开，如果按100%显示就是快速版，按50%显示就是清晰版。这种鉴别方法武断了一点，不过在大多数情况下还算有效。而在ssreader内进行区分的：如果图像宽度超过1200像素，则认为图像是按300 DPI扫描的，否则认为是按150 DPI扫描的。这种区分显然忽略了16开版与32开版的差异。

快速版由于文件大小比清晰版小得多，其清晰度虽然比清晰版差，但通常情况下也不至于因此而造成太大的阅读障碍，因此在某段时期内在园地广为流行，甚至有人声称“宁要快速版，不要清晰版”。但是好景不长，在快速版的真面目被进一步揭开以后，很快就成了“过街老鼠”，如今在园地再无老鸟敢要快速版，以前收藏的快速版PDG也都成了鸡肋：为了追求较高的压缩比，快速版PDG全部采用有损DjVu压缩，而快速版本身的清晰度就不是太好，在DjVu有损压缩时，可能会将笔画残缺的相似字识别为同一个字，造成错别字。相比之下，清晰版全部采用无损CCITT G4压缩，完全忠实于原著。有人曾在园地贴出过实际的PDG文件并进行对比：同一页的清晰版没有错别字，而快速版就出现错别字。

不论是清晰版还是快速版，对于文字页面都按照黑白二值图像进行存储，无法在其中加入灰度或彩色的水印。为了解决“疯狂的盗版问题”，在lr、dx等服务器上就出现了“大图版”这种图像PDG格式：将清晰版PDG缩图，加入水印，存为JPG或PNG格式，但是文件扩展名还是PDG，就是所谓的“大图版PDG”了。因此，所有大图版PDG都是带水印的，虽然水印图案可能不同。大图版常见有大、中、小三种尺寸（另外两种更小的尺寸无实际意义），大尺寸的大图版与快速版的面积差不多，但更清晰，而且因为是从清晰版PDG转换过来，转换过程中采用的JPEG、PNG（其实是ZIP）压缩也不会产生错别字，因此在快速版遭到唾弃后，园地大多数人的求书要求是：能有清晰版就要清晰版，没有清晰版就要大图版。沦落到快速版、文字版的多半都有迫不得已的理由，如新手最常见的理由就是“穷”：有人在意求书的价格（求书指定清晰版需要更多的币币），有人在意存储空间（快速版、文字版的文件长度通常比大图版、清晰版更小）。

新手初到园地，在没有见识过真正清晰版的情况下，容易把“看起来很清晰”的大图版当作“清晰版”，在求书区曾经有人为此打过笔墨官司。其实大图版如果没有被做过手脚，还是很容易区别的：

1、如上所说，所有大图版都带水印，而清晰版无水印。最常见的水印是篆刻有“好学近乎知”的印章，此外还有不常见的星星图案等，甚至有人帖出来过用近似于《午夜凶铃》剧照的MM彩照做水印的大图版PDG。当然，这些水印基本上都可以通过图像处理淡化甚至去除。

2、大图版通常是供IE在线浏览，IE支持JPG、PNG，但是官方原版ssreader 4.0只支持JPG，不支持PNG。因此纯文字页面的大图版PDG文件，用原版ssreader 4.0通常是打不开的，只能用园地发布的修改版ssreader，或第三方浏览器如UnicornViewer、ComicsViewer才能打开。鉴别图像格式的另一个方法是用免费的Pdg2Pic打开疑似大图版文件所在文件夹，这个软件会自动检查PDG文件的数据压缩算法。在文件没有被人做过手脚的情况下，如果左下方文件信息显示“PNG”则是大图版，显示“DjVu”是快速版，显示“CCITT”是清晰版，显示“JPG”则不确定。不过随着园地众多格式转换软件的发行，也会有人重新对文件进行处理，造成上述方法的误判。

3、大尺寸的大图版和快速版的画面尺寸差不多大，但是比清晰版还是小得多，而且文字看起来发“晕”（快速版缩图时造成的柔化），没有清晰版锐利。不过这个要有比较才会鉴别。

4、清晰版如果有彩色插图，转为大图版后多半会变成灰度图像，这个也要有比较才能鉴别。因此如果求的是带彩色插图的书，我都会指明只要清晰版，当然求书代价也会相应提高。

由于求书人对清晰版的不懈追求，而且清晰版的出价通常比快速版、大图版更高，因此也出现了一些“伪高清”：把大图版或快速版，甚至是文字版转为图像，然后放大到清晰版的尺寸，再经过某些图像处理，用老鹰或coolman提供的PDG压缩软件，采用CCITT算法压成00H或02H PDG，貌似清晰版的“伪高清”就出炉了。这种伪高清虽然不能把灰度插图再变回彩色，但是看上去没有水印，用原版ssreader能够正常打开，用Pdg2Pic检查时“格式”栏显示的也是CCITT，而尺寸也是清晰版的尺寸，因此对于新手来说很难鉴别，在求书应助时也曾有人为此打过笔墨官司。我个人的看法：伪高清的制作过程注定是有损的，因此制作再精良的伪高清，与真正的清晰版也不能完全等同。不过如果伪高清是从大图版制作出来的，而且原书页面上没有插图，处理后的视觉效果也足以“乱真”，碰到这样的“高仿”也算运气。而如果是从快速版或文字版制作出来的，不论制作技术如何高超，都属于绝对不能原谅的JS行为，因为如前所述，快速版、文字版PDG本身就是不可信的。

至于经常有人提到的00H、02H、6xH等数字，指的都是PDG文件的加密格式代号：早期V1版PDG文件加密比较弱，很快就被人破解，然后D版盘卖得到处都是。为了对付D版，PDG文件定义了全新的V2版格式，所采用的加密技术也不断在更新换代。从大版本看，V2版PDG经历了0xH（包括00H、01H、02H、03H、04H、05H）、1xH（包括11H、12H、13H、14H、15H、16H、17H、18H、19H、1AH、1BH、1CH、1EH）、28H、AxH（包括AAH、ABH、ACH）、6xH（包括H、65H、66H、67H、68H）几个时代。如果想了解每一版PDG详细的加密算法，可以阅读cheming先生的大作《吵醒文件加密方式说明v1.5》。

需要说明的是，对加密格式的判断要结合PDG文件的版本信息才能判断准确。早期曾经有人在园地发行过一些不成熟的格式检查软件，忽略了PDG版本，机械地按照文件头第16字节处的信息判断加密算法。结果经常有人用这样的软件检查后就惊呼“又有新的PDG加密格式了”，徒增笑柄。现在流行的PdgThumbViewer、Pdg2Pic，及老鹰、coolman的格式检查软件，均避免了这样的错误。

目前6xH可以说代表了PDG文件加密技术的最高成就，成为官方打击D版PDG的利器，因此也受到了最为广泛的关注。但实际上，在PDG文件服务器上是不会有6xH格式存在的：高版本的官方原版ssreader会组合登录用户名、本地硬件信息（通称机器码）等生成加密密钥，在下载的时候，会用加密密钥对下载到的PDG文件进行加密，在本地生成6xH文件。因此，用一台机器下载到的6xH文件，换一台机器就不能读了——两台机器的机器码不一样。解决的办法包括：

1、用cheming的Pizza、老鹰的coffee、coolman的魔术师解密。

2、不用官方原版ssreader下载。如前所述，6xH是原版ssreader下载后在本地生成的。可供选择的软件包括修改版ssreader（去掉6xH加密环节）、BE等。

3、用官方原版ssreader阅读或下载，但是对网络数据流进行截流，获得加密前的原始PDG。

除了上面说的机器码外，PDG中还可能有时间：如果用官方原版ssreader阅读本地保存的带时间的PDG文件，在超过规定期限后，ssreader就会自动对文件进行破坏。而在文件到期前把它解密掉，也常常成为在园地购买Pizza、coffee、魔术师等解密软件，或刻苦努力翻旧贴，研究报文、嗅探、截流等技术的理由。

带时间的PDG虽说有点定时的感觉，好歹在有效期内还能在本地阅读，而某些镜像服务器上的AxH则只允许在线浏览，不允许下载阅读：用官方原版ssreader下载AxH到本地后，会立刻对文件进行不可恢复的破坏，破坏后的文件用格式检查软件检查通常显示为FFH格式，因此在园地FFH也是“死亡”的代名词。解决的办法就是别用原版ssreader下载，改用截流、第三方下载软件或修改版ssreader。不过到现在为止，我见过的AxH全部都是快速版，看过就删了。

对于没有做过手脚的图像版PDG，PDG的加密格式与图像清晰度密切相关：早期清晰版通常是02H、04H，而快速版是05H，因此早期在园地也用加密格式代号来辨别清晰版与快速版，02H因此成为追捧的对象。不过自从老鹰、coolman发布PDG加密软件后，可以任意更改PDG的加密代号，这招就常常失灵了。

所有格式里比较特殊的是00H，即不加密的格式。这种格式当然也不会有时间、机器码。除早期的服务器外，目前新的PDG服务器上已经很难找到这种格式。但不论是清晰版还是快速版，经Pizza、coffee、魔术师解密后都成为00H。图像版00H可以用原版ssreader正常阅读，而且由于在阅读的时候不再需要花时间进行解密，因此显示速度可能比未解密的快那么一点点。不过如果文字版PDG被解密成了00H，用原版ssreader就不能阅读了，因为它认为这世上本不该有未加密的文字版PDG。目前00H的文字版PDG只能用园地提供的高版本UnicornViewer，或老鹰、coolman提供的ssreader增强插件才能阅读。

但是无论如何，现在用官方原版ssreader从sslib下载到的6xH，多半都是快速版（据说很久以前有过清晰版，现在也不排除漏网之鱼的可能）——为了减轻服务器压力，新版官方ssreader在下载sslib时，会自动选择从存放快速版的服务器上下载，这就是为什么经常有人问“用ssreader在线浏览很清晰，下载后再看就不清晰”的原因。而用官方ssreader从主站下载，则可能得到6xH的清晰版，并且这种6xH不受有效期（机器码还是有的）——听起来不错，可惜主站的书实在少了点。至于解决的办法，前面已经说过了。

所以现在园地新手的迫切愿望，最优先的当然是能够看到不受的00H的清晰版，退而求其次就是大图版，实在不行也要摆脱6xH的时间、机器码，从此过上安宁、快乐的幸福生活。

给新人的春节礼物之二：PDG励志篇

该文首发在读书园地，考虑到这里不少人对PDG也有兴趣，所以再发到这里。

============================================

声明：

1、本文仅代表我自己的个人观点，没有必要争论：如果发现硬伤，欢迎指正；如果仅仅是有不同意见，请自己另写一篇去。

2、本帖所推荐的园地原创软件均注明是免费还是收费，需要收费的也仅能在园地用虚拟论坛币购买。如果您看到有用RMB出售软件的帖子，毫无疑问属于假冒伪劣，请及时向软件原作者举报。

3、我个人的观点：有收费软件的存在，新手才有努力的目标，才不会来了、下了、走了。这也是本文名为“励志篇”的原因。

4、本文可以转载，但是必须注明转自读书园地，并注明原作者为strnghrs，而且不能对原文作任何删改，否则视为非法盗版。

一、PDG下载

推荐软件：老鹰下载版ssreader（收费）。

推荐理由：不改变官方原版PDG浏览器ssreader的任何下载习惯，会用原版ssreader就会用它，根本不需要去学什么报文、cookie、截留等等复杂的技术；合法用户用它可以直接从主站、SSLIB下载到清晰版PDG，并自动解密成00H，不再担心过期后不能阅读；软件自身带“防沉迷”功能，可以防止某些精神性疾病的发生。

补充说明：想看PDG，当然第一步要先能得到PDG。因此园地PDG相关软件如果分类统计的话，下载类的软件数目可能是最多的。五花八门的下载工具足以让新手找不到北，所以推荐最简单、最不改变使用习惯的老鹰下载版ssreader。

二、PDG解密

推荐软件：cheming的Pizza（收费）。

推荐理由：使用方便、解密速度飞快；园地最早公开发行的6xH解密软件，价格便宜料又足。

补充说明：

1、如果购买了上面推荐的下载软件，其实没有必要再购买任何解密软件，因为下载的同时就已经解密了。所以解密软件都是给那些进入园地比较晚、手上积存了大批6xH，或者说根本就是懒得动脑子，只会闭着眼睛用原版ssreader下载的人用的，在园地混过一段时间的老鸟基本没用。如果您在园地只想通过“专家找书”获得PDG，也不需要解密软件，因为按惯例所有应助文件都必须解密后才能上传——6xH只能在下载者的机器上阅读，应助了也无效。

2、公开发行的Pizza专业版只能解密本机下载的6xH，对于大多数情况来说够用了。如果您需要解密其他机器下载的6xH，那么Pizza专业版就没用（Pizza企业版可以，但不卖），需要购买老鹰的coffee或coolman的魔术师。他们两位的解密工具我都没用过，不方便评价。

3、解密工具可以把6xH解密成00H，避免“到期自杀”。但是如果6xH本来就是快速版，解密后并不会成为清晰版，快速版固有的“错别字”风险始终存在。

以上两类软件在园地价格不菲，对于新手来说想在短时间内拥有可能会有一定难度（快速致富的天才还是有的）。那么在起步阶段如何尽快解决6xH的问题？我的建议只有两个字：求书。新手可以先靠求书解决燃眉之急，同时尽快提高自己的水平、积累虚拟论坛币，园地的菜鸟多半都是这么“熬”成老鸟的。用虚拟币求书虽然可以避免得到6xH，但以新手负担得起的出价，大概也只能求快速版（清晰版的要价通常比快速版高）。不过既然是“求”书，有些心态最好还是先摆正一下：你不欠别人什么，同样别人也不欠你什么，所以帮你是人情，不帮你也是常情。要想有所“得”，就别舍不得“失”，“天上掉馅饼”的好事也许有，但也没啥理由一定要落到你我的头上。

总之，我一贯坚信：只要是锥子，就总有从麻袋里掉出来的时候，是稻草就难说了。而对于什么也没做，跑到园地晃了一下就高喊：“园地歧视新人，我要走了！”的人（印象中这样的帖子隔段时间就会跳出几个，比“月经帖”还“月经”），我的看法也是一贯的、明确的：请一路走好！明天太阳依旧会升起，地球该转还得照转。

有点跑题了，言归正传：如果您通过种种手段，已经摆脱了6xH的烦恼，那么就可以继续阅读并使用下面推荐的软件工具了。如果还在为6xH烦恼，建议不必再往下看——看了也是白看，徒生闷气，何苦来哉？

三、PDG文件检查

推荐软件：PdgThumbViewer（免费）

推荐理由：既可以用缩略图方式进行“所见即所得”的人工检查，也可以自动批量检查；能查出缺页、坏页、黑线页等，尤其是黑线页检查功能，到目前为止仍然是独一无二的；采用与Pdg2Pic、UnicornViewer相同的PDG解码内核，只要它报告正常的文件，就可以用这两个软件打开。

补充说明：只有真正的外行或白痴，才会对下载到的PDG充满绝对的自信。对于一般正常人，最好还是用软件检查一下到手的PDG是否完好，以免将来后悔。

四、PDG文件阅读

推荐软件：如果是下载后抽阅图像版PDG，用免费的ComicsViewer应该够了；如果需要整本阅读图像版PDG，推荐用免费版的UnicornViewer；如果需要阅读文字版PDG，尤其是文字PDG（通常是正文页）、图像PDG（通常是附属页）混杂的书，推荐用收费的高版本UnicornViewer。

推荐理由：需要理由吗？

补充说明：众所周知，PDG文件都是散的，一本书会出来一大堆文件。所以我都习惯把PDG压缩成ZIP以方便保存、传递、阅读，因此在我看来，不支持ZIP格式的PDG阅读软件实在没啥实用价值。另外随着大图版的流行，对名为PDG实为PNG的文件的支持，也成为对PDG浏览器的一个基本要求。

我的一贯观点：应该坚决响应胡总的号召“不折腾”！原书是什么格式就保持什么格式，没有必要在各种格式之间转来转去，徒耗时间、精力和硬盘。如果真的有非转不可的理由，可以参考下面的推荐。

五、PDG转PDF

推荐软件：如果是图像PDG，推荐免费的Pdg2Pic+FreePic2Pdf；如果是文字PDG，推荐用免费的Pdg2Pic转成散页PDF后，用商业软件Adobe Acrobat Professional合并；对于文字、图像PDG混合的书，请参考我写的《文本PDG转PDF》：既然要折腾，就该拿出点折腾的劲头来，不上不下的半吊子有违折腾的真意。

推荐理由：Pdg2Pic+FreePic2Pdf是专门针对图像版PDG提出的整体解决方案，转换速度快、转换前后的文件长度变化小、图像无失真，而且转出来的PDF文件带文档属性、分段页码、多级目录等。想手工做出这样的PDF还是要有点水平的，因此当年列宁同志在rbook上曾经评价：“Pdg2Pic、FreePic2Pdf的作用，就在于把某些人引以为傲的PDF制作技术，搞得一文不值”。

补充说明：

1、在Pdg2Pic、FreePic2Pdf问世以前，通常习惯用“打印大法”将PDG转换成PDF，但是存在效率低、容错性差（PDG文件有点问题就容易死机）、打印后图像质量下降、打印出来的PDF文件长度膨胀较快、不能打印PDG目录等问题。时至今日如果还在鼓吹“打印大法”，在别处也许还会被人当作“大侠”，但在园地多半会被人当作“忽悠”。

2、合并散页PDF的软件很多，但在我看来，“合并PDF”这码事，不是说把所有散页PDF捏在一起就算完的，还应该更有技术含量一点，包括能够消除重复的对象，尤其是文本PDG使用的字体等。到目前为止，全面满足我的要求的PDF合并软件，只有Adobe Acrobat Professional，其他的在我眼里总有点“野狐禅”的味道。

六、PDG转DjVu

推荐软件：收费版DjVuToy。

推荐理由：专门针对图像PDG格式特点提出的转换方案。

补充说明：

1、真正制作精良的图像版PDG本身就已经是分层的（插图与文字分离），DjVuToy能够直接把这种层次关系映射到DjVu的分层结构，避免质量损失。当然也有一些PDG后期制作没有跟上，连插图带文字都混在一张JPG图像里，或干脆就是PNG格式的大图版，这种时候用DjVuToy转换，图像、文字分离的效果就不如一些专业的DjVu制作软件，制作出来的文件也要大一些。

2、在把图像格式转换成DjVu时，为了追求高压缩比，很多人习惯选用有损压缩，并为由此获得的“超小文件长度”而沾沾自喜。但在我看来，有一个基本的事实在任何情况下都不应该被忽略：DjVu格式不是中国人发明的，至今我也未见到任何成熟的DjVu制作软件声称针对中文字符特点提出了专门的聚类算法，但是中文字符与西文字符确实存在形态上的差异，因此在DjVu文字层采用有损压缩的时候，理论上存在因为将中文相似字误判为相同字，而出现错别字的风险。PDG采用的DjVu压缩软件，已经被确凿的事实证明会转出错别字，快速版PDG也因此没人敢要。您又该如何证明您所使用的DjVu转换软件就是完全值得信赖的呢？