生成Kindle可读的mobi和PDF电子书
购买kindle之后,自然欣喜万分,不来自于工具本身,而来自于发现自己能够静下心来阅读长篇和复杂的文字了,可喜可贺。更重要的是,kindle减轻了我眼睛的莫大的压力。但马上就出现几个问题:
不是所有的电子书都有kindle,最常见的是扫描PDF 大量的论文无法阅读,这和上面的问题一致 网络上很多精彩的博客,新闻,都是没法阅读的可能有人说,用手机看不就得了?用手机看花边娱乐新闻当然很好,可是当看数学推导时,推送栏上面妹子发来的消息,会直接把你的思路全部打乱。没用过kindle的人,是有些难以体会那种接近于纸张的质感的。OK,既然是程序员,我们就尝试解决这些问题。
有关kindlegen和HTMLkindlegen是亚马逊官方出品的一个电子书生成工具。但它明显就没打算让普通用户使用,命令行界面,几乎没有任何像样的文档。只是在实例样例里给了几个生成电子书的文件。我就因为没有文档兜了大弯,翻遍国外各大网站,才慢慢摸清kindlegen的使用细节。
可以这么理解,KG是将一组HTML和相关文件,打包成mobi文件的工具。
最简单的例子,随意编写一个HTML文件,送给KG,会生成对应的mobi。基本有title,h1,h2,正文,kindle渲染就差不多了。如果需要修改样式,可以提供CSS文件。
但是,这样的做法,没有图片,没有超链接,无法提供目录,如果输入单一的大型HTML文件,kindle的渲染性能就不足了。
因此,需要生成层级化,多文件形式的html文件夹,然而kg并不能直接识别html文件夹,还是需要一些元数据描述。
编写元数据文件要想解决这个问题,就需要编写两个文件,opf和ncx, 他们可以理解为KG的makefile, KG通过这两个文件索引HTML,目录和其他多媒体资源。介绍如下:
值得注意的是,所有的文件都应该保存在本地,尤其是jpg, html中的图片超链接,需要重定向到本地的jpg文件,如果依然在服务器上,据我所知,kg是不负责渲染下载的。
资源聚合文件: opf和ncx由于opf文件非常重要,我们下面就讲解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 电子书标题 /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"/ !--下面是图片-- item id="0.368541311142" media-type="image/jpg" href="Images/-1720404282.jpg"/ /manifest spine toc="desertfire" !-- 下面描述了KG生成电子书后文本的顺序 -- 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 ```
需要注意的有以下几点:
所有资源都需要一个id,命名任意,但不能重复 media-type描述了资源的类型,记住两类基本就够用了,"application/xhtml+xml"代表HTML文件,"image/jpg"或 "image/png"代表图片。 其他都可以省略,只是会影响电子书完整性。由于这两个文件内部其实都是html,所以修改编辑都很容易。
最终,KG的命令行目标,不是目录HTML,而是OPF文件!将所有的文件放入一个文件夹后,启动KG命令行,最后KG会在该目录下生成你心仪已久的mobi!
编辑HTML和OPF文件知道其原理后,主要的任务是填充HTML和OPF文件,几页内容还好,如果内容繁多,不论是手工( ⊙ o ⊙ ),还是编程字符串拼接,都会变得异常低效。
此时,就需要模板引擎出手了,python推荐使用Jinja2, 资料众多,功能强大,性能尚可。生成opf的模板文件,基本就长下面这个样子:
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
我在此处就不费事讲解jinja2的语法了。这样,就能解决阅读网页新闻和HTML资源的问题了。
生成扫描版MOBI下一个问题,是如何阅读扫描版的PDF,如电子书和论文。有以下几类初始想法:
权衡之后,我们选用第二种方案。PDF分为两类,一种是一页一栏,如电子书,另一种是一页两栏,如论文。
那么,为了保证质量,有以下的步骤:
如果使用python,则有一些类库可以使用,如imagemagick和一系列相关类库。
但这些类库安装比较麻烦,因此笔者使用了软件生成,此处强烈推荐一款软件:
AP PDF to IMAGE 国产软件?的骄傲!不需要其他任何类库,体积小,性能稳定,生成图片尺寸可调,可批量处理,非常清晰!
百度可搜索各类绿色版下载,我都想给作者支付宝捐钱了。
如果你是PS大神,当然可以使用宏和批量命令完成这些,此处我们用的还是python,使用著名的PIL类库,下面贴出代码:
# coding=utf-8 import os import Image as img import jinja2 as jj import extends import libs.kindlestrip as kp
# 要PDF转JPG时,如果用python的方案,则需要安装一堆库 # 用现成的工具,则难以与Python集成,而且速度很慢,目前还是采用现成的工具吧 # 当生成论文时,第一页的上半部分,单独抽出,剩下的分为四页导出。设置如下 horizon = 2 vertic = 2 firstpage = True # 生成普通横版PDF时,则为如下设置: # 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)
(我觉得我应该把代码上传到github上,恩,一会再说)
这样,就能生成可读的漂亮的PDF转mobi了。
这些代码花了我一个下午的时间,不过与爬虫配合,生成各位大神的博客,效果真是非常赞!
妈妈再也不用担心我的眼睛了!终于可以随时随地,没有广告地批量看大神们的博客了!
有任何问题,欢迎随时讨论。
相关文章
- word/excel/ppt/pdf删除文档个人信息的方式
- Python生成图文并茂的PDF报告
- excel中html批量转化为pdf文件,如何将大量的Excel转换成PDF?
- wxpython 教程 pdf_活学活用wxPython 完整版PDF
- 【黄啊码】vue-pdf预览时无法显示印章和中文字体或者乱码(简单粗暴)
- 免费PDF转WORD网站
- Foxit福昕高级PDF编辑器软件安装包免费下载以及安装教程pdf编辑器全版本下载
- PDF编辑器Adobe Acrobat Pro DC2021安装教程来啦~PDF编辑器全版本下载
- 如何像编辑ppt一样编辑pdf文档?Acrobat DC--最牛逼的PDF编辑器
- Acrobat Pro DC 2021 for Mac(编辑pdf文件)
- 全面数字化PDF管理 实现高效办公Adobe Acrobat DC+全版本安装包
- java 如何在pdf中生成表格详解编程语言
- Linux服务器调优:PDF指南(linux调优pdf)
- 文件Linux参考手册:PDF文件版本(linux参考手册pdf)
- 从零开始:学习Linux操作系统PDF(linux操作系统pdf)
- 文件分布式存储Redis实现PDF文件的分布式存储(redis实现pdf)
- 操作系统Linux下的PDF阅读优势(pdf阅读器linux)
- Linux快速入门:这样学PDF(linux就该这么学pdf)
- 鸟哥的Linux私房菜PDF:掌握Linux技能的秘籍(鸟哥的linux私房菜pdf)
- MySQL管理之道PDF:运维人员必备的指南(mysql管理之道pdf)
- evince可以读大部分中文PDF文档的
- Linux下最佳PDF阅读器,尽享舒适阅读体验(linux下pdf阅读器)