简介：这是一款专为处理PDG格式电子书而设计的工具组合，面向需要批量转换或阅读老旧PDG文档的读者、研究人员及档案整理者。资源将PDG文件先解析为图片，再借助批量合并功能生成通用PDF，同时附带对DjVu格式的操作支持，适合在多种设备间完成文档转移与长期保存。压缩包共2个文件，以htm与exe为主，其中exe为可直接运行的核心程序，htm提供相关说明或帮助信息，整体体积约2.86MB，小巧轻便。已有953人学习下载，对于常接触中国早期网络电子书资源的用户而言，这套组合能有效解决格式老旧、打开困难的问题。读者可获得PDG转图片、图片转PDF、DjVu基础处理等完整转换链路，既能逐页导出图片，也能一键合成多页PDF，兼顾灵活性与批量效率，在日常查阅、打印或归档场景中较为实用。

1. 老马三剑客：把整库PDG批量转成可检索PDF的实战路线

整理单位图书室电子资源时，我遇到过一个再常见不过的任务：上千本早期数字图书系统交付的PDG老书，要统一转成PDF，供长期归档和全文检索。动手一轮之后才发现，“pdg2PDF”这件事根本没有一键完成的通用工具，最可靠的还是从业者圈子里流传多年的“老马三剑客”方案——三个小工具分别负责读取PDG页面、合成PDF、挂接章节目录，拼起来正好是一条完整的转换流水线。这篇笔记就是我把这条流水线跑通的完整记录：工具怎么分工、参数怎么调、批量怎么做、哪里容易翻车，都按实际使用情况写清楚。适合数字化归档、资料库维护和个人藏书整理的同行参考。

2. 拆解三剑客：PDG转PDF为什么是一条流水线而非一个工具

2.1 PDG的文件结构：扫描页与文字页两类内容

PDG在很多人眼里是一种“过气格式”，但它并没有真正离开资料库，不少机构早期电子书采购的交付物至今仍是这种格式。PDG的页面内容大致分两类：一类是扫描图，每页对应一张黑白、灰度或彩色的位图，体积会随页数线性增长；另一类是文字版页面，内容由字符编码和字体信息构成，靠阅读器在打开时实时渲染。这种“图像+文字”的双轨结构，决定了转换工具必须同时具备图像处理能力和文字渲染能力。普通PDF转换器识别不了这种容器，直接在操作系统里改后缀名，或者丢给在线转换网站，基本都会以失败告终，不是不出文件，就是出一堆乱码页。

批量场景里还有更麻烦的情况：文字版和扫描版的页面会混在同一本书里，封面是扫图、内页是文字、插图页又按图像存放。这种情况下只用一种策略去处理，多半会翻车。这也是为什么必须把多个工具串起来，而不是指望一个所谓的“万能转换器”解决问题。

2.2 三剑客的定位：解包、组装、回填目录

关于“三剑客”具体指哪三个工具，不同帖子里说法略有出入，但按“转PDF并带目录”这个目标来看，最常见的组合是Pdg2Pic、FreePic2Pdf和PdgCntMaker。它们都出自同一位老开发者的工具箱，没有官方“三剑客”的叫法，名字是使用者们叫出来的。可正因为三个工具对目录和页序的处理是成体系的，合在一起用非常顺手。

三个工具的边界很清晰：Pdg2Pic负责“读懂”PDG，FreePic2Pdf负责“拼装”PDF，PdgCntMaker负责“恢复目录”。很多人初次接触时只用了FreePic2Pdf，结果拼出来的PDF没有书签，几百页的书翻起来全靠手点，体验很差。加上PdgCntMaker之后，目录可以批量回填，整本书才真正符合归档要求。我见过不少同事在这套工具上花时间反复试，最后发现最合理的路径就是先把这三个工具各自的功能边界搞清楚，再谈参数。

2.3 路线选择：pdg2pdf直转、还是先转图像再合成

老马的工具里其实有一个pdg2pdf程序，可以把PDG直接转成PDF，单本书、页数少、对版式要求不高时非常快。但直接转换有两个问题：一是对PDG内页的图像质量和分辨率干预空间小，遇到彩色页面、灰度页与黑白页混排时，容易出现整页被统一压缩的情况；二是书签回填比较麻烦，直转出来的PDF通常只有正文没有目录。做批量书库时，我更倾向于“Pdg2Pic → FreePic2Pdf”的图片中继路线。好处有三点：

• 中间产物是图片，能人工抽检，发现单页问题可以单独重转，不用整本书返工；
• 图片在合成前可以定制尺寸、命名、压缩方式，避免一把梭把彩色封面包压成黑白；
• 目录回填有FreePic2Pdf的专用入口，PdgCntMaker生成的目录文件能直接被它读取，直转路线反而难处理书签。

当然，直接转也不是没有价值。以文字页为主的PDG、版面干净、没有大量彩色插图的，用pdg2pdf直转最快，转出来还自带文本层。扫描书则老老实实走图片中继，看起来多了一步，实际最稳。这个选型判断我在多个项目里反复确认过，原则就是“先看页面构成，再决定路线”。

2.4 动手前的准备：文件整理、备份、cnt目录文件识别

从书库导出的PDG，一般一本书是一个独立文件夹，里面有一堆以数字命名的*.pdg文件，还可能带一个*.cnt目录文件和若干配置类小文件。cnt文件记录着“章节名+页码”，是后面生成书签的地图。我习惯先把整个待转换盘区按以下套路整理，再开始点工具：

1. 建源书库、临时图库、成品PDF三个目录，互不交叉；
2. 对源书库做一次文件数快照，至少记录每本书的pdg文件数量；
3. 确认cnt文件是否存在，有就单独复制一份出来备用；
4. 对0字节或超大异常PDG先做标注，避免转换到一半中断。

这套准备看起来琐碎，但在批量场景里是“后悔药”。我遇到过整个批次的PDG文件在拷贝过程中缺了一批，如果没有源目录页数记录，根本发现不了PDF少了几十页。另外，临时目录最好不要放在系统盘，Pdg2Pic导出图片时会产生大量小文件，系统盘空间不足会导致转换中途报错，这个细节很容易被忽略。

3. 实操：一本接一本，把PDG导成带书签PDF的完整过程

3.1 用Pdg2Pic提取页面：输出格式、DPI与底灰处理

启动Pdg2Pic后，界面左侧是书目录列表，右侧是页面预览。把待转换的书目录添加进来，点击某本书就能看到每页的缩略图。这一步的重点是右侧的输出选项，也就是中间产物的形态。我按扫描书处理时的常用参数如下：

点击转换后，工具会在输出目录下按页序生成图片。生成完毕先别急着关，用预览图随机翻几页，确认没有白页或乱码页。这一步如果出了大量白页，往往是文字版PDG的字体渲染配置不对，后面避坑部分会展开。中间产物一旦确认没问题，后面FreePic2Pdf合成的成功率就很高了。

3.2 用FreePic2Pdf合成PDF：页面尺寸、压缩率与书签挂载

打开FreePic2Pdf后，左边选择刚刚Pdg2Pic输出的图片目录，右边按文件名列出图片列表。这时我只检查两件事。第一，列表顺序必须按数值而非字符串排列，否则第10页会排到第2页前面；第二，PDF页面大小建议按“原图尺寸”而不是固定A4，因为扫描书开本不统一，强制A4会产生大量白边。

参数设置上，我一般把JPEG压缩设为中高，PDF版本选PDF/A兼容；如果页面文件本身已经是处理好的JPG，FreePic2Pdf就不要做二次压缩，直接选择不重新压缩，能保住细节。这里需要解释一下：如果原始页面是扫描图，二次压缩等于把已经损失过的信息再压一遍，残影和噪点会被放大；而原始页面本来就是黑白文字的话，适度压缩反而可以大幅缩小PDF体积，不影响阅读。这个取舍要根据“这本书是文字书还是彩图书”来定，而不是一个参数用到底。

3.3 用PdgCntMaker生成目录：从cnt文件到FreePic2Pdf书签

许多书库里的cnt文件是阅读器维护的，包含章节名和页号，但直接把cnt文件交给FreePic2Pdf并不总能识别，因为FreePic2Pdf对书签文件的层级和页号格式有自己的约定。这时PdgCntMaker就派上用场：打开PdgCntMaker，选择“从cnt文件导入”，它会解析出来一个目录树，可以增删章节、修改名称和页码。保存时选择FreePic2Pdf书签文件格式，生成一个文本文件备用。

如果没有cnt文件，PdgCntMaker还支持“从图片目录页提取”：在书的正文前一般会有目录页，用它标注目录条目并指定页码，原理是把目录页当作图像来识别。这一步对扫描书尤其有用，很多书库导出的PDG没带cnt，目录只能从版权页后面的目录页重建。操作时需要注意目录页的页码是“印刷页码”还是“文件页序”，如果二者不一致，后面书签跳转就会整体偏移。

3.4 批量化：批处理脚本与GUI结合的真实工作流

这三件工具的官方形态都是图形界面，要实现全自动并不现实，但可以把人工步骤压缩到最短。下面是我常用的批处理框架，用PowerShell把每本书归拢到独立目录，然后按顺序唤起工具，人工确认后再放行下一本：

param([string]$BooksDir = "D:\books_pdg") $tempRoot = "D:\books_tmp" $pdfRoot = "D:\books_pdf" foreach ($dir in Get-ChildItem $BooksDir -Directory) { $name = $dir.Name Write-Host "== $name ==" -ForegroundColor Cyan # 第1步：把每本书的pdg文件整理进独立临时目录 $pageDir = Join-Path $tempRoot $name New-Item -ItemType Directory -Force -Path $pageDir | Out-Null Copy-Item "$($dir.FullName)\*.pdg" -Destination $pageDir # 第2步：唤起Pdg2Pic，人工点击转换 Start-Process "D:\tools\Pdg2Pic.exe" $pageDir Pause # 第3步：唤起PdgCntMaker，提取并保存书签文件 Start-Process "D:\tools\PdgCntMaker.exe" $pageDir Pause # 第4步：唤起FreePic2Pdf，合成PDF Start-Process "D:\tools\FreePic2Pdf.exe" $pageDir Pause } Write-Host "流程结束，请检查临时目录中的日志" -ForegroundColor Green

这段脚本的逻辑很简单：foreach循环遍历源书库下的每个子目录，把每本书的PDG文件复制到独立的临时目录，然后依次唤起三个工具。Start-Process只是打开程序并传目录参数，Pause让循环等待人工操作完成后继续，避免多个工具窗口互相干扰。它的价值不是省掉点击，而是保证每一本书都统一进入同一个流程，不会漏转、不会重复转、也不会因为人工切换目录搞混来源。

4. 三剑客避坑记录：乱码、页序、书签偏移等五个现象

4.1 文件名和目录乱码：转换工具读不出中文书名

现象：Pdg2Pic里能看到页面，但导出的图片文件名或生成的书签标题变成“锟斤拷”一类乱码，甚至无法读取目录。

原因：老工具在简体中文Windows上用GBK读取字符串，若目录名或cnt文件是UTF-8编码，就出现编码错位。这种问题在来源系统版本较新的书库里尤其常见，新系统导出时默认UTF-8，老工具按GBK解析，必然乱码。

解决：先把中文目录名复制成临时英文名，转换完成后再改回中文；或者调整系统区域设置，勾选“使用Unicode UTF-8提供全球语言支持”重启后再试。需要注意第二种做法会影响整个系统，谨慎评估后再操作。我一般优先用临时英文目录名，简单、不碰系统全局配置。

4.2 页面顺序错乱：第10页跑到了第2页前面

现象：合成出来的PDF从某页开始章节倒错，像第10页、第11页、第12页出现在了第2页之前。

原因：FreePic2Pdf按文件名做字符串排序，若页面文件导出为“1.jpg、2.jpg、10.jpg”，字符串顺序是1、10、2，而不是1、2、10。这个问题在书页超过两位数时必然出现，页数越多越明显。

解决：转换前统一把页面文件改成三位以上编号。Pdg2Pic导出时勾选“页号补零”，或者在批处理里加一段重命名，把编号强制补齐为四位数，确保字符串排序和数值排序一致。

$files = Get-ChildItem "$dir" -Filter *.jpg $i = 1 foreach ($f in $files) { Rename-Item $f.FullName -NewName ("{0:D4}.jpg" -f $i) $i++ }

4.3 书签整体偏移：目录内容对，点击后却跳到别的页

现象：PdgCntMaker生成的目录条目名称准确，但PDF里点击书签后，跳转页与预期差固定的几页，比如每章都晚了三页。

原因：书签文件里的页码以0为起点还是以1为起点，与源cnt记录的“1基页号”不对齐；加上书内封面、扉页、版权页是否计入页码，两者定义也不同。这个偏移量在同一本书里是固定的，但换一本书可能就不一样。

解决：先抽一本书，在前、中、后各选三个章节验证偏移量，然后在PdgCntMaker的页号偏移里输入修正值，批量重生成书签。不要拿PDF编辑器逐条拖动书签，数量一多必然痛苦，而且下次转换又得重来。

4.4 文字版PDG转出后白页或缺字

现象：某些书转出来的PDF里，部分页面是空白或断字，文字内容丢失。

原因：这批PDG是文字版页面，依赖阅读器内置字体渲染。转换工具的字体文件不全，或字号设置不对，渲染失败就成了白页。和扫描图不同的是，文字版页面没有原始位图可以兜底，渲染不了就真的丢了内容。

解决：在Pdg2Pic的文字渲染选项中切换到完整字体模式，或者把这类书直接交给pdg2pdf转换，直转路线对文字版的兼容更可靠。转换后随机抽查几页文字完整性，别只看页数对上就觉得没问题。

4.5 彩色扫描书被压成灰阶，封面细节全丢

现象：PDF里彩色页面全部变成黑白或灰阶，印章、彩色插页的细节完全丢失。

原因：FreePic2Pdf的压缩设置中勾选了“黑白页统一压缩”，或者源图片在Pdg2Pic输出时被强制降为黑白模式。问题通常出在“统一”两个字上，一本书里只要有一半文字页，这个选项就会把另一半彩色页也拖下水。

解决：回到Pdg2Pic，把输出格式设为彩色JPG；FreePic2Pdf合成时不要开启“全黑白化”，保留灰度与彩色。这里要特别提一下，彩色书和黑白书的参数不能复用同一套配置，我曾在批量转换时图省事，一套参数跑完全部书目，结果三分之一的彩色书全部变成了灰阶，只能返工。

5. 验证与验收：转完的PDF要怎么核对页数和书签

5.1 页数核对：源目录与PDF双向对账

转换完成后，第一件事不是打开看，而是对页数。源书库的页数记录和PDF页数不一致，说明转换过程中有丢页。用PyMuPDF写一个简单的PDF页数和书签检查脚本，几秒钟就能扫完一本：

import fitz import sys pdf = fitz.open(sys.argv[1]) print(f"PDF页数: {pdf.page_count}") toc = pdf.get_toc() print(f"书签数: {len(toc)}") for level, title, page in toc[:5]: print(f"L{level} {title} -> PDF第{page+1}页")

逻辑说明：PyMuPDF的get_toc返回的是以0为起点的页索引，所以展示时加1转成习惯页码。先打印PDF总页数，再打印前五条书签的层级、标题和跳转页。若源书登记页数为300而PDF页数是299，基本可以断定中间少了一页，要去临时目录找Pdg2Pic的输出图片，确认是导出缺失，还是FreePic2Pdf合成时跳过了空文件。sys.argv[1]就是传入的PDF路径，脚本不关心PDF在哪个目录，跑起来很快。

5.2 书签跳转验证：抽查“首一中一尾”三处

书签列表只有数量、没有内容，不等于目录可用。点开PDF目录，分别抽查第一章、中间一章、最后一章，确认跳转页与标题语义基本一致。若有全本偏移，回到PdgCntMaker修正偏移量后重新生成，不要用PDF编辑器手改。这个步骤每批抽两本即可，但新换的PDG数据源第一本必须全查。我做书库维护时，被目录偏移坑过一次，一本五百页的书签全部晚了两页，当时偷懒没抽查，结果整批发出去后被退回，后来再也不敢跳过这一步。

5.3 体积与清晰度抽查：防“假高清”

PDF动辄几十MB不一定清楚，体积小也不一定“看起来清”。用脚本统计图片目录下的文件大小分布，再和PDF文件大小做粗略对比，能快速发现压缩过狠或过大两种情况：

param([string]$ImageDir = "D:\books_tmp\某书") $sizes = Get-ChildItem $ImageDir -Filter *.jpg | ForEach-Object { $_.Length } | Sort-Object $count = $sizes.Count if ($count -eq 0) { Write-Host "目录为空"; exit } $median = $sizes[[int]($count / 2)] Write-Host "图片数量: $count" Write-Host "单页大小中位数: $([math]::Round($median / 1KB, 1)) KB"

逻辑说明：中位数比平均值更可靠，个别大图把均值撑高的假象可以被中位数识破。如果300页的书单页中位数只有20KB，说明压缩过狠，放大到全屏会明显发糊。回到FreePic2Pdf重新合成，把JPEG质量调高即可。反过来，一本书单页平均5MB、整本PDF超过2GB，说明原始图片没有压缩，也要检查是不是页面缩放设置失效。

5.4 文字版PDF做文本层抽检

文字版PDG转出的PDF里应该能选中文字。验证方式有两种：用PDF阅读器打开任意三页，鼠标在正文上拖选，能选中文字说明保留了文本层；也可以用脚本提取文本：

import fitz doc = fitz.open("output.pdf") page = doc[15] # 抽查第16页 text = page.get_text() print(f"第16页文本长度: {len(text)}") if len(text) < 50: print("警告：该页几乎无文本，可能未保留文字层") doc.close()

这里有一个常见的认识误区：图像PDF的页面在阅读器里也能被鼠标“选中”，但选中的只是整张图片，不是文字。真正区分文本层的方法是反选状态下的复制粘贴，或者用get_text看返回值。如果一本文字版书转出来变成纯图片PDF，说明走的图片中继路线时没有开启文本保留选项，这种PDF在知识库里检索不到内容，只能重新处理。

6. 固化三剑客参数模板，扫描PDF顺带补全文检索

6.1 把“调好的参数”固化成模板

三剑客这套工具我第一次用的时候，花了两天时间才把参数调顺，后来每次换一批新书又要重新试。后来悟出一个习惯：首次样书验收后，把导出格式、DPI、偏移量、压缩率、页号补零这些关键参数记录下来，放在批处理脚本同目录下。之后再接到新书库，先按模板跑一本样书，确认页面质量过关，再全量执行。这个习惯让我在后续项目里省了大量返工。工具不复杂，复杂的是人对参数的记忆和重复校准。

6.2 给扫描版加文本层，让PDF具备全文检索能力

扫描版PDG转出的PDF仍是一张张图片，放进知识库后检索命中率很低。要给扫描版补文本层，常见路线是先对每页图片做OCR，再把识别文本嵌回PDF。下面是思路演示，不是可直接运行的生产代码：

# 示意：把OCR结果作为极小字号的文本对象写回PDF ocr_results = [] # 每页识别文本 for page_img in page_images: text = ocr_engine.recognize(page_img) # 替换为你的OCR函数 ocr_results.append(text) pdf = fitz.open("scan.pdf") for i, page in enumerate(pdf): if i < len(ocr_results): page.insert_text((10, 10), ocr_results[i], fontsize=0.01) pdf.save("scan_ocr.pdf")

这个示例演示的是最小可行思路：把OCR文本放进肉眼几乎看不见的极小字号文本对象中，既不影响阅读，又让PDF具备可被搜索的文本层。生产环境建议用支持OCR文本层的正规工具或库函数完成同样的动作，避免文本坐标处理出问题。实际操作时，我会先用Pdg2Pic导出的JPG做OCR，确认识别准确率，再决定是否全量处理。这套流程在你档案入库的最后一公里很值得投入，毕竟归档的目的是以后能查得到。希望帮到你。

本文还有配套的精品资源，点击获取