碼上歡樂
相關內容    簡體    繁體

EPUB文件格式簡單解析

本文轉載自   查看原文   2021-08-12 20:16   255 

最近熱衷於看輕小說，奈何某些網站樣式排版屬實糟糕，移動端體驗極度不友好，實在無法忍受，於是希望能將網站內容爬取下來制作成EPUB格式的電子書。
拋開爬取網站內容不談，通過解析EPUB文件后，大致掌握了EPUB文件的基本格式內容。

EPUB文件結構

EPUB文件本質是一個zip壓縮文件。
將EPUB文件后綴改為zip解壓即可一窺真相。
使用tree命令查看整個EPUB文件的目錄結構和文件，其中部分文件被省略。

  mimetype
│
├─META-INF
│      container.xml
│
└─OEBPS
    │  chapter0001.xhtml
    │  chapter0002.xhtml
    │  chapter0003.xhtml
    │  chapter0004.xhtml
    │  chapter0005.xhtml
    │  chapter0006.xhtml
    |  ...
    │  content.opf
    │  toc.ncx
    │
    └─images
            39655.jpg
            39656.jpg
            39657.jpg
			...

固有文件

  • mimetype
  • META-INF/container.xml

mimetype

mimetype是一個文本文件，內容固定為:application/epub+zip

META-INF/container.xml

其中rootfile的屬性full-path指定了此書的OPF文件路徑。

<?xml version="1.0" encoding="UTF-8"?>
<container xmlns="urn:oasis:names:tc:opendocument:xmlns:container" version="1.0">
  <rootfiles>
    <rootfile full-path="OEBPS/content.opf" media-type="application/oebps-package+xml"/>
  </rootfiles>
</container>

OPF

Open Package Format(OPF)，即包文件格式，其主要功能是用於組織 OPS 文檔和提供相應的導航機制，並形成一個開放式的基於 XML 的打包文檔，該文檔的后綴名為 “.opf” 。

通過META-INF/container.xml即可定位到OPF文件。

查看文件內容，可以比較容易猜測每部分的作用。

<?xml version="1.0" encoding="UTF-8"?>
<package xmlns="http://www.idpf.org/2007/opf" unique-identifier="bookId" version="2.0">
  <metadata xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:opf="http://www.idpf.org/2007/opf">
    <dc:identifier id="bookId">urn:uuid:9bfb698f-dfa3-45ca-bea4-d0fbc2ead4f3</dc:identifier>
    <dc:language>en</dc:language>
    <dc:title>第一卷 虛偽的王國</dc:title>
    <meta content="cover-image" name="cover"/>
  </metadata>
  <manifest>
    <item href="toc.ncx" id="ncx" media-type="application/x-dtbncx+xml"/>
    <item href="chapter0001.xhtml" id="chapter0001.xhtml" media-type="application/xhtml+xml"/>
    <item href="chapter0002.xhtml" id="chapter0002.xhtml" media-type="application/xhtml+xml"/>
    <item href="chapter0003.xhtml" id="chapter0003.xhtml" media-type="application/xhtml+xml"/>
    <item href="chapter0004.xhtml" id="chapter0004.xhtml" media-type="application/xhtml+xml"/>
    <item href="chapter0005.xhtml" id="chapter0005.xhtml" media-type="application/xhtml+xml"/>
    <item href="chapter0006.xhtml" id="chapter0006.xhtml" media-type="application/xhtml+xml"/>
    ...
    <item href="images/39655.jpg" id="cover-image" media-type="image/jpeg"/>
  </manifest>
  <spine toc="ncx">
    <itemref idref="chapter0001.xhtml"/>
    <itemref idref="chapter0002.xhtml"/>
    <itemref idref="chapter0003.xhtml"/>
    <itemref idref="chapter0004.xhtml"/>
    <itemref idref="chapter0005.xhtml"/>
    <itemref idref="chapter0006.xhtml"/>
    ...
  </spine>
</package>

metadata

EPUB文件元數據

dc:identifier

書本的唯一標識符，需要和ncx文件中的identifier一致，雖然不一致也沒問題。

dc:language

書本使用的語言 不是很重要。

dc:title

整本書的書名，重要性不言而喻。

meta

通過對部分EPUB進行解壓，目前只發現設置封面的meta

<meta content="cover-image" name="cover"/>

一般沒有需求不更改，如何設置封面查看下文。

manifest

整本書的清單文件，一般會列出ncx文件和小說正文文件以及封面。
ncx文件是必須的，它定義了書籍的目錄，具體格式查看下文。
封面是可選的，不過EPUB沒有封面和插圖就沒有靈魂。

item

清單文件項目。

  • href 文件的相對路徑
  • id 項目ID
  • media-type 文件的MIME類型

正文網頁文件
一般格式都為XHTML，可以使用樣式圖片音頻各種各樣的資源。

指定封面圖片

  • metadata中包含name為cover的meta標簽
    <meta content="cover-image" name="cover"/>
  • manifest中包含id為上述meta的content屬性的item
  • 通過設置item的href即可指定封面路徑
    <item href="images/39655.jpg" id="cover-image" media-type="image/jpeg"/>

spine

翻譯成中文就是書脊，通過引用的順序來指定閱讀順序。
例如上文文件依次列出了chapter0001、chapter0002等，閱讀完chapter0001就會開始閱讀chapter0002。

itemref

引用的manifest中的文件，只需要引入正文網頁文件。

  • idref 需要與manifest中itme的id對應 代表此文件
  • linear 表明該項是作為線性閱讀順序中的一項，與先后順序無關，默認為yes

NCX

NCX是Navigation Content eXtended的縮寫，用於表示本書的目錄。

<?xml version="1.0" encoding="UTF-8" standalone="no"?>
<ncx xmlns="http://www.daisy.org/z3986/2005/ncx/">
  <head>
    <meta content="urn:uuid:9bfb698f-dfa3-45ca-bea4-d0fbc2ead4f3" name="dtb:uid"/>
    <meta content="1" name="dtb:depth"/>
    <meta content="0" name="dtb:totalPageCount"/>
    <meta content="0" name="dtb:maxPageNumber"/>
  </head>
  <docTitle>
    <text>第一卷</text>
  </docTitle>
  <navMap>
    <navPoint id="navPoint-1" playOrder="1">
      <navLabel>
        <text>插圖</text>
      </navLabel>
      <content src="chapter0001.xhtml"/>
    </navPoint>
    <navPoint id="navPoint-2" playOrder="2">
      <navLabel>
        <text>序章</text>
      </navLabel>
      <content src="chapter0002.xhtml"/>
    </navPoint>
    <navPoint id="navPoint-3" playOrder="3">
      <navLabel>
        <text>第一章 前世</text>
      </navLabel>
      <content src="chapter0003.xhtml"/>
    </navPoint>
    <navPoint id="navPoint-4" playOrder="4">
      <navLabel>
        <text>第二章 異世界</text>
      </navLabel>
      <content src="chapter0004.xhtml"/>
    </navPoint>
    <navPoint id="navPoint-5" playOrder="5">
      <navLabel>
        <text>第三章 冤罪</text>
      </navLabel>
      <content src="chapter0005.xhtml"/>
    </navPoint>
    <navPoint id="navPoint-6" playOrder="6">
      <navLabel>
        <text>第四章 入學王立學院</text>
      </navLabel>
      <content src="chapter0006.xhtml"/>
    </navPoint>
    <navPoint id="navPoint-7" playOrder="7">
      <navLabel>
        <text>第五章 五年后</text>
      </navLabel>
      <content src="chapter0007.xhtml"/>
    </navPoint>
    <navPoint id="navPoint-8" playOrder="8">
      <navLabel>
        <text>第六章 野外演習</text>
      </navLabel>
      <content src="chapter0008.xhtml"/>
    </navPoint>
    <navPoint id="navPoint-9" playOrder="9">
      <navLabel>
        <text>第七章 虛偽的真相</text>
      </navLabel>
      <content src="chapter0009.xhtml"/>
    </navPoint>
    <navPoint id="navPoint-10" playOrder="10">
      <navLabel>
        <text>末章</text>
      </navLabel>
      <content src="chapter0010.xhtml"/>
    </navPoint>
    <navPoint id="navPoint-11" playOrder="11">
      <navLabel>
        <text>后記</text>
      </navLabel>
      <content src="chapter0011.xhtml"/>
    </navPoint>
    <navPoint id="navPoint-12" playOrder="12">
      <navLabel>
        <text>特典 淑女空腹狀態</text>
      </navLabel>
      <content src="chapter0012.xhtml"/>
    </navPoint>
    <navPoint id="navPoint-13" playOrder="13">
      <navLabel>
        <text>特典 霧雨茫茫相思相愛傘</text>
      </navLabel>
      <content src="chapter0013.xhtml"/>
    </navPoint>
    <navPoint id="navPoint-14" playOrder="14">
      <navLabel>
        <text>特典 貴族千金們的茶會</text>
      </navLabel>
      <content src="chapter0014.xhtml"/>
    </navPoint>
  </navMap>
</ncx>

meta

dtb:uid

<meta content="urn:uuid:9bfb698f-dfa3-45ca-bea4-d0fbc2ead4f3" name="dtb:uid"/>
這個和opf中的dc:identifier應該保持一致，不一致倒也沒什么問題。

depth、totalPageCount和maxPageNumber

<meta content="1" name="dtb:depth"/>
<meta content="0" name="dtb:totalPageCount"/>
<meta content="0" name="dtb:maxPageNumber"/>

對於電子書不需要進行修改，使用這幾個值就OK。

docTitle

<docTitle>
  <text>第一卷</text>
</docTitle>

姑且認為應該與opf中的dc:title一致，書名以opf中的為准。

<navPoint id="navPoint-1" playOrder="1">
  <navLabel>
    <text>插圖</text>
  </navLabel>
  <content src="chapter0001.xhtml"/>
</navPoint>

整書的目錄，每個navPoint代表目錄中的一項，包含標題和文件路徑。

一個EPUB有以上這些文件就能被識別，通過創建文件然后壓縮就可以完成一個EPUB文件的創建。

完成的項目

最后提一下已經完成的開頭的項目: linovel-downloader


免責聲明！

本站轉載的文章為個人學習借鑒使用，本站對版權不負任何法律責任。如果侵犯了您的隱私權益，請聯系本站郵箱yoyou2525@163.com刪除。



猜您在找 【文件格式探究】EP.1 對ePub文件格式的初探 EPUB格式怎么轉成MOBI格式 Java 解析epub格式電子書，helloWorld程序，附帶源程序和相關jar包 在線EPUB格式轉PDF C# Word轉為多種格式文件（Word轉XPS/SVG/EMF/EPUB/TIFF） pcap文件格式解析 cap文件格式解析 WAVE文件格式解析 AI文件格式解析 wav文件格式解析
 
粵ICP備18138465號   © 2018-2025 CODEPRJ.COM