購買kindle之后，自然欣喜萬分，不來自於工具本身，而來自於發現自己能夠靜下心來閱讀長篇和復雜的文字了，可喜可賀。更重要的是，kindle減輕了我眼睛的莫大的壓力。但馬上就出現幾個問題：
- 不是所有的電子書都有kindle，最常見的是掃描PDF
- 大量的論文無法閱讀,這和上面的問題一致
- 網絡上很多精彩的博客，新聞，都是沒法閱讀的
可能有人說，用手機看不就得了？用手機看花邊娛樂新聞當然很好，可是當看數學推導時，推送欄上面妹子發來的消息，會直接把你的思路全部打亂。沒用過kindle的人，是有些難以體會那種接近於紙張的質感的。OK，既然是程序員，我們就嘗試解決這些問題。
有關kindlegen和HTML
kindlegen是亞馬遜官方出品的一個電子書生成工具。但它明顯就沒打算讓普通用戶使用，命令行界面，幾乎沒有任何像樣的文檔。只是在實例樣例里給了幾個生成電子書的文件。我就因為沒有文檔兜了大彎，翻遍國外各大網站，才慢慢摸清kindlegen的使用細節。
可以這么理解,KG是將一組HTML和相關文件，打包成mobi文件的工具。
最簡單的例子，隨意編寫一個HTML文件，送給KG，會生成對應的mobi。基本有title,h1,h2,正文，kindle渲染就差不多了。如果需要修改樣式，可以提供CSS文件。
但是，這樣的做法，沒有圖片，沒有超鏈接，無法提供目錄，如果輸入單一的大型HTML文件，kindle的渲染性能就不足了。
因此，需要生成層級化，多文件形式的html文件夾，然而kg並不能直接識別html文件夾，還是需要一些元數據描述。
編寫元數據文件
要想解決這個問題，就需要編寫兩個文件,opf和ncx, 他們可以理解為KG的makefile, KG通過這兩個文件索引HTML，目錄和其他多媒體資源。介紹如下：
值得注意的是，所有的文件都應該保存在本地，尤其是jpg, html中的圖片超鏈接，需要重定向到本地的jpg文件，如果依然在服務器上，據我所知，kg是不負責渲染下載的。
資源聚合文件: opf和ncx
由於opf文件非常重要，我們下面就講解opf的格式：
<package xmlns="http://www.idpf.org/2007/opf" version="2.0" unique-identifier="BookId"> <metadata xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:opf="http://www.idpf.org/2007/opf"> <dc:title>電子書標題</dc:title> <dc:language>en-us</dc:language> </metadata> <manifest> <!-- table of contents [mandatory] --> <item id="tochtml" media-type="application/xhtml+xml" href="toc.html"/> <item id="item0" media-type="application/xhtml+xml" href="Artical-1277621753.html"/> ... <!--下面是圖片--> <item id="0.368541311142" media-type="image/jpg" href="Images/-1720404282.jpg"/> </manifest> <spine toc="desertfire"> <!-- 下面描述了KG生成電子書后文本的順序 --> <itemref idref="toc"/> <itemref idref="tochtml"/> <itemref idref="item31"/> </spine> <guide> <reference type="toc" title="Table of Contents" href="toc.html"></reference> <reference type="text" title="Welcome" href="toc.html"></reference> </guide> </package> ```
需要注意的有以下幾點：
- 所有資源都需要一個id,命名任意，但不能重復
- media-type描述了資源的類型，記住兩類基本就夠用了，"application/xhtml+xml"代表HTML文件，"image/jpg"或 "image/png"代表圖片。
- 其他都可以省略，只是會影響電子書完整性。
由於這兩個文件內部其實都是html,所以修改編輯都很容易。
最終，KG的命令行目標，不是目錄HTML,而是OPF文件！將所有的文件放入一個文件夾后，啟動KG命令行，最后KG會在該目錄下生成你心儀已久的mobi!
編輯HTML和OPF文件
知道其原理后，主要的任務是填充HTML和OPF文件，幾頁內容還好，如果內容繁多，不論是手工( ⊙ o ⊙ ),還是編程字符串拼接，都會變得異常低效。
此時，就需要模板引擎出手了，python推薦使用Jinja2, 資料眾多，功能強大，性能尚可。生成opf的模板文件，基本就長下面這個樣子：
<package xmlns="http://www.idpf.org/2007/opf" version="2.0" unique-identifier="BookId"> <metadata xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:opf="http://www.idpf.org/2007/opf"> <dc:title>{{ title }}</dc:title> <dc:language>en-us</dc:language> </metadata> <manifest> <!-- table of contents [mandatory] --> <item id="toc" media-type="application/x-dtbncx+xml" href="toc.ncx"/> <item id="tochtml" media-type="application/xhtml+xml" href="toc.html"/> {% for item in navigation %} <item id="{{ item.id }}" media-type="application/xhtml+xml" href="{{ item.href }}"/> {% endfor %} {% for item in media %} <item id="{{ item.id }}" media-type="image/{{ item.format}}" href="{{ item.href}}"/> {% endfor %} </manifest> <spine toc="{{ title }}"> <!-- the spine defines the linear reading order of the book --> <itemref idref="toc"/> <itemref idref="tochtml"/> {% for item in navigation %} <itemref idref="{{ item.id }}"/> {% endfor %} </spine> <guide> <reference type="toc" title="Table of Contents" href="toc.html"></reference> <reference type="text" title="Welcome" href="toc.html"></reference> </guide> </package>
我在此處就不費事講解jinja2的語法了。這樣，就能解決閱讀網頁新聞和HTML資源的問題了。
生成掃描版MOBI
下一個問題，是如何閱讀掃描版的PDF，如電子書和論文。有以下幾類初始想法：
權衡之后，我們選用第二種方案。PDF分為兩類，一種是一頁一欄，如電子書，另一種是一頁兩欄，如論文。
那么，為了保證質量，有以下的步驟：
將PDF轉換為圖片
如果使用python，則有一些類庫可以使用，如imagemagick和一系列相關類庫。
但這些類庫安裝比較麻煩，因此筆者使用了軟件生成，此處強烈推薦一款軟件：
AP PDF to IMAGE 國產軟件？的驕傲！不需要其他任何類庫，體積小，性能穩定，生成圖片尺寸可調，可批量處理，非常清晰！
百度可搜索各類綠色版下載，我都想給作者支付寶捐錢了。
圖片處理
如果你是PS大神，當然可以使用宏和批量命令完成這些，此處我們用的還是python，使用著名的PIL類庫，下面貼出代碼：
# coding=utf-8 import os import Image as img import jinja2 as jj import extends import libs.kindlestrip as kp # 要PDF轉JPG時，如果用python的方案，則需要安裝一堆庫 # 用現成的工具，則難以與Python集成，而且速度很慢，目前還是采用現成的工具吧 # 當生成論文時，第一頁的上半部分，單獨抽出，剩下的分為四頁導出。設置如下 horizon = 2 vertic = 2 firstpage = True # 生成普通橫版PDF時，則為如下設置： # horizon = 1 # vertic = 2 # firstpage=False topblood = 0.05; sideblood = 0.06; booktitle = u"Paper"; author = "zhaoyiming" outputfolder = "pdf2mobi/"; imgTypes = ['.png', '.jpg', '.bmp'] kindlegen = r"Tools/kindlegen.exe" # kindlegen position shouldsplit = True; imagefolders = outputfolder + 'raw'; splitfolder = outputfolder + 'split' docs = []; pageindex = 0; if shouldsplit == True: for root, dirs, files in os.walk(imagefolders): index = 0; for currentFile in files: crtFile = root + '\\' + currentFile format = crtFile[crtFile.rindex('.'):].lower(); if format not in imgTypes: continue; crtIm = img.open(crtFile) crtW, crtH = crtIm.size hStep = crtW * (1 - 2 * sideblood) // horizon vStep = crtH * (1 - 2 * topblood) // vertic hstart = crtW * sideblood vstart = crtH * topblood; if (firstpage == True and pageindex == 0): crtOutFileName = 'pdf2mobi/split/' + str(index) + format, box = (hstart, vstart, crtW, crtH // 3) box = list((int(x) for x in box)); cropped = crtIm.crop(box) cropped.save(crtOutFileName[0]) myimg = {}; myimg["href"] = "split/" + str(index) + format; myimg["id"] = index; myimg["format"] = format; myimg["width"] = box[2] - box[0]; myimg["height"] = box[3] - box[1]; docs.append(myimg) index += 1; for j in range(horizon): for i in range(vertic): crtOutFileName = 'pdf2mobi/split/' + str(index) + format, box = (hstart + j * hStep, vstart + i * vStep, hstart + (j + 1) * hStep, vstart + (i + 1) * vStep) box = (int(x) for x in box); cropped = crtIm.crop(box) cropped.save(crtOutFileName[0]) myimg = {}; myimg["href"] = "split/" + str(index) + format; myimg["id"] = index; myimg["format"] = format; myimg["width"] = hStep; myimg["height"] = vStep; docs.append(myimg) index += 1; pageindex += 1; else: for root, dirs, files in os.walk(imagefolders): index = 0; for currentFile in files: crtFile = root + '\\' + currentFile format = crtFile[crtFile.rindex('.'):].lower(); if format not in imgTypes: continue; myimg = {}; myimg["href"] = "split/" + str(index) + format; myimg["id"] = index; myimg["format"] = format; myimg["width"] = "1347"; myimg["height"] = "1023"; docs.append(myimg) index += 1; images = []; env = jj.Environment(loader=jj.FileSystemLoader([r"templates/"])) articaltemplate = env.get_template('jpgs.html') opftemplate = env.get_template('opf.html') ncxtemplate = env.get_template('ncx.html') extends.SaveFile(outputfolder + "toc.html", articaltemplate.render(navigation=docs, title=booktitle, author=author)); extends.SaveFile(outputfolder + booktitle + ".opf", opftemplate.render(navigation=docs, title=booktitle, author=author, media=images)); extends.SaveFile(outputfolder + "toc.ncx", ncxtemplate.render(navigation=docs, title=booktitle, author=author)); currentPath = os.getcwd() + "\\" + outputfolder.replace("/", "\\") + booktitle + ".opf"; mobipath = outputfolder.replace("/", "\\") + booktitle + ".mobi"; kindlepath = os.getcwd() + "\\" + kindlegen.replace("/", "\\"); cmd = kindlepath + " " + currentPath; cmd = cmd.encode(); print cmd; os.system(cmd); kp.Convert(mobipath, mobipath)
（我覺得我應該把代碼上傳到github上，恩，一會再說）
這樣，就能生成可讀的漂亮的PDF轉mobi了。
最終效果
這些代碼花了我一個下午的時間，不過與爬蟲配合，生成各位大神的博客，效果真是非常贊！
媽媽再也不用擔心我的眼睛了！終於可以隨時隨地，沒有廣告地批量看大神們的博客了！
有任何問題，歡迎隨時討論。