epub、ocf等常用电子书格式浅析----附JAVA示例程序
一、 电子书介绍
转载请注明http://www.cnblogs.com/xckk/p/6020324.html
Epub(Electronic Publication)是一个完全开放和免费的电子书标准。是一个自由的开放标
准，属于一种可以“自动重新编排”的内容。
“自动重新编排”的原因是内部使用XHTML来展现文件的内容，用一系列CSS来定义格式和版面设计，达到了内容和编排的分离。
现在EpubEpub包括三项主要规格：
开放出版结构（Open Publication Structure，OPS）2.0，以定义内容的版面；
开放包裹格式（Open Packaging Format，OPF）2.0，定义以XML为基础的.epub档案结构；
开放容器格式（OEBPS Container Format，OCF）3.0，将所有相关文件收集至ZIP压缩档案之中。
OPS规范的目的是为内容提供者（例如出版商、作者等）和出版工具提供者提供一个最小的通用指导，以保证电子内容能够在各种阅读系统中保持一致性。
OPS用XHTML来构筑书的内容，用CSS来定义书的格式和版面设计等
OPF规范则定义了将各种OPS出版组件连接在一起的机制，并为其提供附加的结构和语言。OPF规范与OPS规范是分开的，目的是将内容描述技术和包装描述技术模块化。
OCF定义了将所有电子出版组件包装成一个单一档案进行传播、递送和存档的标准机制。是一种打包机制。
相关规范文档：
OPS2.0规范：http://www.idpf.org/epub/20/spec/OPS_2.0.1_draft.htm
OPF2.0规范：http://www.idpf.org/epub/20/spec/OPF_2.0.1_draft.htm
OCF规范：http://www.idpf.org/epub/301/spec/epub-ocf.html
二、 EPUB基础知识介绍
打开方式
epub可以用stanza的PC版打开，也可以用Firefox、Chrome上的相应的插件。
Firefox EpubReader 扩充组件：EPUBReader是一个可以阅读ePub格式文件的Firefox扩充程序。你无须安装额外的软件，在Firefox浏览器中便可阅读ePub格式文件，推荐这个。
文件解析
一个 EPUB 就是一个简单 ZIP 格式文件（使用 .epub 扩展名），其中包括按照预先定义的方式排列的文件。除此以外，EPUB 非常简单。只需将后缀改为.zip或.rar，解压即可看到里面的文件内容。如下图
一个epub电子书的zip大致包含以下东西：
1、mimetype 文件，必须是压缩包的第一个文件。注意，mimetype必须是非压缩格式。
2、META-INF目录，里面至少包含一个container.xml 文件。
3、OEBPS目录（可以是别的名字，但建议用这个名字），包含了：
a) image子目录（不一定总有）存放了所有的图片文件
b) content.opf 文件名可以是其它的，扩展名一定是opf，就是一个xml格式的包内的文件列表
c) toc.ncx 目录文件，一个“逻辑目录”, 浏览控制文件.
d) 一些xhtml或html文件。就是书的内容。
简单 EPUB 档案的目录和文件结构：
mimetype
META-INF/
container.xml
OEBPS/
content.opf
title.html
content.html
stylesheet.css
toc.ncx
images/
cover.png
一个完整的epub格式电子书，OPF文件一般包括OEBPS目录下的 .opf和 .ncx文件。
1、.opf文件
包括四个元素：metadata, manifest, spine, guide
（1）metadata: epub的元数据，如title、language、identifier、cover等。其中，title 和 identifier这两个数据是必须的。按照EPUB规范，identifier由数字图书的创建者定义，必须唯一。对于图书出版商来说，这个字段一般包括ISBN或者Library of Congress编号；也可以使用URL或者随机生成的唯一用户ID。注意：unique-identifier 的值必须和 dc:identifier 元素的 ID 属性匹配。
（2）manifest：列出了目录中所包含的所有文件（xhtml、css、png、ncx等）。EPUB 鼓励使用 CSS 设定图书内容的样式，因此 manifest标签下也包含 CSS文件。注意：进入数字图书的所有文件都必须在 manifest 中列出，manifest只列出文件，未列出文件之间的结构顺序。
3）spine：所有xhtml文档的线性阅读顺序。其中，spine标签的toc属性必须包含在manifest列出来的.ncx的id。可以将 OPF spine 理解为是书中 “页面” 的顺序，解析的时候按照文档顺序从上到下依次读取 spine。
在spine中的每个 itemref 元素都需要有一个 idref 属性，这个属性和 manifest 中的某个 ID 匹配。
2、.ncx文件
ncx 定义了数字图书的目录表。复杂的图书中，目录表通常采用层次结构，包括嵌套的内容、章和节。包含了toc（tablet of content,提供了分段的一些信息）。ncx的 <head> 标记中包含四个 meta 元素：
uid：数字图书的惟一ID。该元素和 OPF 文件中的 dc:identifier 对应。
depth：反映目录表中层次的深度。
totalPageCount 和 maxPageNumber：仅用于纸质图书，保留 0 即可。
docTitle/text 的内容是图书的标题，和 OPF 中的 dc:title 匹配。后面的示例程序是对该标题进行更改。
navMap定义了图书的目录，是 ncx 文件中最重要的部分。navMap 包含一个或多个 navPoint 元素，每个 navPoint 都要包含下列元素：
playOrder：说明文档的阅读顺序。和 OPF spine 中 itemref 元素的顺序相同。
navLabel/text ：给出该章节的标题。通常是章的标题或者数字。
content ：它的 src 属性指向包含这些内容的物理资源。就是 OPF manifest 中声明的文件。
还可以有一个或多个 navPoint 元素。ncx 使用嵌套的导航点表示层次结构的文档
3、.opf的spine和.ncx文件有什么不同？
Spine标签描述文档顺序，.ncx文件描述目录。
两者很容易混淆，因为两个文件都描述了文档的顺序和内容。要说明两者的区别，最简单的办法就是拿印刷书来打比方：.opf文件的spine标签描述了书中的各个章节是如何实际连接起来的，比方说翻过第一章的最后一页就看到第二章的第一页。.ncx在图书的一开始描述了目录，目录肯定会包含书中主要的章节，但是还可能包含没有单独分页的小节。
一条法则是ncx包含的 navPoint 元素通常比 opf spine中的itemref 元素多。实际上，spine 中的所有项都会出现在 .ncx 中，但.ncx可能更详细。
三、ocf格式电子书介绍
咪咕阅读制作的电子书是.ocf格式，与EPUB所规定的大部分格式与展现标准相同，并且对其进行扩展，重点解决了版面丰富性、格式开放性和文档安全性、可交换性、可扩展性、可裁剪性。适用于手机、手持阅读终端等设备。
ocf格式的图书经过内部的图书入库、章节拆分与压缩、加密以及MEB打包后，形成.meb作为扩展名的电子书，就可以上架供客户端解析阅读了。
OCF包的目录结构：
OCF │ mimetype ├─META-INF │ │ book.ncx │ │ book.opf │ │ container.xml │ │ cover.xml │ │ right.xml │ └─ext │ cover180240.jpg │ cover5168.png │ cover600800.jpg │ cover6080.jpg │ cover75100.jpg │ cover81108.png │ cover90120.jpg └─oebps ├─chapter01 │ │ chapter01.html │ ├─css │ │ style.css │ └─images │ ├─ │ │ Image0.jpg │ ├─ │ │ Image0.jpg │ ├─ │ │ Image0.jpg │ ├─ │ │ Image0.jpg │ ├─ │ │ Image0.jpg │ ├─ │ │ Image0.jpg │ └─orig │ Image0.jpg ├─chapter02 │ │ chapter02.html │ ├─css │ │ style.css │ └─images │ ├─ │ │ Image0.jpg │ │ Image1.jpg │ ├─ │ │ Image0.jpg │ │ Image1.jpg │ ├─ │ │ Image0.jpg │ │ Image1.jpg │ ├─ │ │ Image0.jpg │ ├─ │ │ Image0.jpg │ ├─ │ │ Image0.jpg │ └─orig │ Image0.jpg │ Image1.jpg
文件名与目录名的描述如下：
|
文件名/目录名 |
描述 |
类型 |
限定 |
|
mimetype |
Mime类型描述文件 |
Ascii文件 |
必选 |
|
META-INF/ |
Meta信息目录 |
目录 |
必选 |
|
container.xml |
容器描述文件 |
Xml文件 |
必选 |
|
book.opf |
图书元数据描述文件，如书名、作者信息 |
Xml文件 |
必选 |
|
book.ncx |
描述图书的目录结构信息 |
Xml文件 |
必选 |
|
cover.xml |
封面内容文件 |
Xml文件 |
必选 |
|
right.xml |
权利描述文件 |
Xml文件 |
可选 |
|
ext/ |
MEB文件扩展目录 |
目录 |
可选 |
|
coverWH.jpg coverWH.png |
封面图片 |
jpg/png文件 |
可选 |
|
oebps/ |
MEB内容信息目录 |
目录 |
必选 |
|
chapterXX/ |
章节目录 |
目录 |
必选 |
|
chapterXX.html |
页内容页面 |
xHtml文件 |
/ |
|
images/ |
图片目录 |
目录 |
可选 |
|
orig |
原图存放目录 |
目录 |
可选 |
|
128 |
特定分辨率图片存放目录 目前分辨率有128、176、240、320、360、480、600（600没有单独的目录，因为600及600以上宽度的图片，只需要在orig中存在） |
目录 |
可选 |
|
Image0.jpg |
图片文件 Orig存放的是原图，如果章节引用了图片，则该目录肯定有图片；128-480目录，如果原图宽度大于目录名称值的，才会有文件，如图片宽度为300，则在orig、128、176、240中会有对应压缩后的图片文件。 |
jpg/png |
可选 |
四、 JAVA解析epub格式电子书示例
文章最后提供一下解析epub电子书的示例程序。程序的主要功能是读取修改.epub格式文件的
相关材料和源码均在链接中可以下载：http://pan.baidu.com/s/1bnm8YXT
包括
1、JAVA项目工程test_epub，里面包括了jar包和一本epub电子书myBook.epub
2、epub相关jar包（epublib-codr-lastest.jar、以及slf4j-*.jar）
3、电子书myBook.epub
JAVA解析.epub格式电子书，具体实现代码如下。写了一个简单helloWorld程序，加入了相应的jar包。
程序说明：
1、读取epub/myBook.epub文件。
2、修改metaData中的title
3、输出新的.epub文件到工程目录下。文件名mynewbook.epub
通过解压mynewbook.epub文件，可以看到toc.ncx文件中的<docTitle>和content.opf中的<dc:title>标签内容都进行了修改。
package com.hk;
import java.io.FileInputStream;
import java.io.FileNotFoundException;
import java.io.FileOutputStream;
import java.io.IOException;
import java.io.InputStream;
import java.io.OutputStream;
import java.util.ArrayList;
import java.util.List;
import nl.siegmann.epublib.domain.Book;
import nl.siegmann.epublib.epub.EpubReader;
import nl.siegmann.epublib.epub.EpubWriter;
/**
*
* epub格式文件读和写示例程序
* @author hk
* @version [版本号, 2015年11月26日]
* @see [相关类/方法]
* @since [产品/模块版本]
*/
public class TestEpub
{
public static void main(String[] args)
{
System.out.println("hello world");
// 获得电子书路径
String epubPath = getEbookPath();
// 读epub文件
Book book = readBook(epubPath);
// 修改电子书
modifyBook(book);
String outputFileName = "mynewbook.epub";
writeBook(book, outputFileName);
}
/**
* 获得电子书路径
*
* @return
* @see [类、类#方法、类#成员]
*/
private static String getEbookPath()
{
// 得到的currentPath = file:/E:/study/epub/test_epub/bin/,其中E:/study/epub/test_epub是工程路径
String currentPath = Thread.currentThread().getClass().getResource("/").toString();
String epubPath = currentPath + "epub/myBook.epub";
// 去年路径中的前缀//file:/
epubPath = epubPath.substring(6, epubPath.length());
epubPath = epubPath.replace("/", "//");
System.out.println(epubPath);
return epubPath;
}
/**
* 读epub文件
*
* @return
* @see [类、类#方法、类#成员]
*/
private static Book readBook(String epubPath)
{
EpubReader epubReader = new EpubReader();
Book book = null;
try
{
InputStream inputStr = new FileInputStream(epubPath);
book = epubReader.readEpub(inputStr);
}
catch (FileNotFoundException e)
{
e.printStackTrace();
}
catch (IOException e)
{
e.printStackTrace();
}
return book;
}
/**
* 修改电子书 本处修改了toc.ncx文件中的<docTitle>和content.opf中的<dc:title>标签内容.
*
* @param book
* @see [类、类#方法、类#成员]
*/
private static void modifyBook(Book book)
{
// 设置epub文件内title.
List<String> titlesList = new ArrayList<String>();
titlesList.add("test book");
book.getMetadata().setTitles(titlesList);
}
/**
* 输出电子书
*
* @param book
* @param fileName
* @see [类、类#方法、类#成员]
*/
private static void writeBook(Book book, String fileName)
{
// write epub
EpubWriter epubWriter = new EpubWriter();
try
{
OutputStream ouput = new FileOutputStream(fileName);
epubWriter.write(book, ouput);
}
catch (FileNotFoundException e)
{
e.printStackTrace();
}
catch (IOException e)
{
e.printStackTrace();
}
}
}
文章参考了work hard work smart的技术博客
http://www.cnblogs.com/linlf03/archive/2011/12/13/2286218.html
程序实现博客http://www.cnblogs.com/xckk/p/4598196.html
秀才坤坤出品
epub、ocf等常用电子书格式浅析----附JAVA示例程序的更多相关文章
- TXT电子书格式怎样转换成epub格式
怎样将TXT电子书格式转换成epub格式呢?因为很多时候不同的阅读器所支持的电子书格式是有所不同,所以电子书格式转换的问题,在生活中也是会经常出现的问题.如果我们需要将TXT电子书格式转换成epub格 ...
- 使用Calibre自带工具批量转换电子书格式
原来使用Calibre转换电子书格式都是先导入,再转换,再把转换后的文件复制出来,最后再改名. 虽然可以批量导入和转换,但复制和改名要一个处理.后来发现Calibre自带命令行转换工具,就写了一个批处 ...
- [实用分享]Kindle电子书格式AZW3转换为MOBI
[实用分享]Kindle电子书格式AZW3转换为MOBI 思路:先拆解成源文件再转换成 MOBI 推荐首选这种方法.此方法的思路是,首先用 KindleUnpack 把 azw3 文件拆解成源文件,然 ...
- web开发常用图片格式
web开发常用图片格式有:gif jpg/jpeg png gif:图片压缩率高,可以显示动画,但是只能显示256色,可能造成颜色丢失. jpg:图片压缩率高(有损压缩),可以用小文件来显示 ...
- MySQL的DML常用语法格式
MySQL的DML常用语法格式 作者:尹正杰 版权声明:原创作品,谢绝转载!否则将追究法律责任. 我们知道MySQL的查询大致分为单表查询,多表查询以及联合查询.多表查询,顾名思义,就是查询的结果可能 ...
- php正则表达式入门-常用语法格式
php正则表达式入门-常用语法格式 原文地址:http://www.jbxue.com/article/24467.html 分享下php正则表达式中的一些常用语法格式,用于匹配字母.数字等,个人感觉 ...
- Json序列化日期/Date(xxxx)/ JS转化为常用日期格式
记录开发过程中的代码片段,方便日后归纳.总结,效果如图所示: 转换前: 转换后: 代码如下,需要的朋友们自取: //JS转化为json常用日期格式 function FormatToDate(v ...
- Java日期时间API系列12-----Jdk8中java.time包中的新的日期时间API类，日期格式化，常用日期格式大全
通过Java日期时间API系列10-----Jdk8中java.time包中的新的日期时间API类的DateTimeFormatter, 可以看出java8的DateTimeFormatter完美解决 ...
- python实现文章或博客的自动摘要(附java版开源项目)
python实现文章或博客的自动摘要(附java版开源项目) 写博客的时候,都习惯给文章加入一个简介.现在可以自动完成了!TF-IDF与余弦相似性的应用(三):自动摘要 - 阮一峰的网络日志http: ...
随机推荐
- sjtu1585 oil
Description Crystal家的公司最近承包了一个大油田.整块油田为一个矩形区域,被划分为\(n \times m\)个小块. Crystal亲自调查了每个小块的石油储备量.这些数据表示为\ ...
- conky 配置变量表
转自conky 配置变量表 项目主页:http://conky.sourceforge.net/ 文档说明:http://conky.sourceforge.net/docs.html Variabl ...
- lr11 BUG？Failed to send data by channels - post message failed.
问题描述 : http协议,场景运行一会之后,报错! erro信息: Failed to send data by channels - post message failed. 解决方法 :ht ...
- 李洪强漫谈iOS开发[C语言-019]-断点调试
- asp 下拉框二级联动
<script language = "JavaScript"> //js开始 var aaa;//定义aaa变量 aaa=0;//aaa赋0 bb = new Arr ...
- 如何才能学到Qt的精髓——信号槽之间的无关性，提供了绝佳的对象间通讯方式，QT的GUI全是自己的一套，并且完全开源，提供了一个绝好机会窥视gui具体实现
姚冬,中老年程序员 叶韵.KY Xu.赵奋强 等人赞同 被邀请了很久了,一直在思考,今天终于下决心开始写回答. 这个问题的确是够大的,Qt的代码规模在整个开源世界里也是名列前茅的,这么大的项目其中的精 ...
- 基于dojo模板的widget
参考:http://niweiwei.iteye.com/blog/1539863 http://dojotoolkit.org/reference-guide/1.8/dijit/_Template ...
- 【图片处理】cocos2dx png图片压缩处理
一.介绍 美术用photoshop出图有时候会包含一些无用的信息,这时候image magick可以把这些信息裁掉. 二.使用方法 1.下载并安装Image Magick 2.将脚本里的目录名改成Im ...
- 使用智遥工作流，优化SAP请购流程
传统请购流程,都是用户在SAP系统中填写请购单,然后再打印出来,递交给上级领导审批.领导审批完了,再到SAP系统中更新release标识.若中途请购单内容需要变更,则需要重新打印,审批. 智遥工作流, ...
- 【HDOJ】1058 Humble Numbers
简单题,注意打表,以及输出格式.这里使用了可变参数. #include <stdio.h> #define MAXNUM 5845 #define ANS 2000000000 int b ...