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│ ├─128│ │ Image0.jpg │ ├─176│ │ Image0.jpg │ ├─240│ │ Image0.jpg │ ├─320│ │ Image0.jpg │ ├─360│ │ Image0.jpg │ ├─480│ │ Image0.jpg │ └─orig│ Image0.jpg ├─chapter02│ │ chapter02.html │ ├─css│ │ style.css │ └─images│ ├─128│ │ Image0.jpg │ │ Image1.jpg │ ├─176│ │ Image0.jpg│ │ Image1.jpg│ ├─240│ │ Image0.jpg│ │ Image1.jpg│ ├─320│ │ Image0.jpg│ ├─360│ │ Image0.jpg│ ├─480│ │ 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

转载于:https://www.cnblogs.com/xckk/p/6020324.html

epub、ocf等常用电子书格式浅析----附JAVA示例程序相关推荐

c语言中软件去干扰,10种常用的软件滤波方法及示例程序
一.限幅滤波法 A.方法: 根据经验判断,确定两次采样允许的最大偏差值(设为A) 每次检测到新值时判断: 如果本次值与上次值之差<=A,则本次值有效如果本次值与上次值之差>A,则本次值无 ...
3个亲测好用的电子书转换工具，几乎覆盖所有电子书格式
网上免费下载的电子书籍,因为格式问题无法在电子书设备上正常打开的话,给大家找了两个亲测有效的电子书格式转换工具,转换后的电子书排版不仅能跟原文一样,而且还不用下载,转换为完成就可以打开阅读. 1.迅捷 ...
常用电子书文件格式介绍
常用电子书文件格式介绍 http://ebook.18shouji.com/ old_西勾月西勾月论坛元老发短消息加为好友当前离线 1# 大中小发表于 2007-11-15 17:35 ...
安卓电子书格式_没有kindle等电子书阅读器，如何用手机、平板电脑阅读mobi、epub等格式的电子书？...
电子书的格式有许多,例如mobi,equb,azw3,txt,pdf等等.今天小编将教大家如何在安卓手机上阅读各种电子书. 使用"掌阅"app查看支持的格式:txt.mobi.p ...
Epub电子书格式（一）
做人要厚道:http://blog.sina.com.cn/s/blog_6441e0640100gmfe.html 考虑到amazon提供的KindleGen命令行工具可以转换epub电子书为kin ...
【kindle技巧】用Calibre给txt文件生成目录，epub格式制作，电子书格式生成
problem 1.众所周知,电子书有多种格式,十分混乱,如txt,epub,mobi,azw3等等 2.txt格式是不支持目录的,有很多看书软件并没有自带生成目录的功能, 3.所以,可以用calib ...
下载到的电子书格式是epub，这种格式如何打开？
网友提问: 我在网上下电子书的时候,发现好多都是.epub格式的,没见过这个格式啊?这该怎么打开? 极客Oscar: EPUB是当下最流行的电子书格式之一,除了支持插图.内嵌字体.异字体等复杂排版功能 ...
下载到的电子书格式是epub，这种格式能否在IOS手机上打开？
网友提问: 好不容易找到一份难得的资料是.epub格式,上网一查才知道这个是需要kindle才能打开的.有没有办法在IOS手机上打开阅读? 极客Oscar: EPUB是当下最流行的电子书格式之一,相比 ...
mobi格式电子书_进阶能力 | 了解常见的电子书格式
静读君是初中开始接触电子书的,那个时候以为电子书就是TXT,到后来渐渐地接触到了PDF.DOC.CAJ ······ 才知道原来电子书还分这么多的格式,那个时候还在想,为什么要弄这么多不同的格式呢?那 ...
mobi格式电子书_这几种电子书格式的关系与区别，资深Kindler有必要了解了解！...
静读君是初中开始接触电子书的,那个时候以为电子书就是TXT,到后来渐渐地接触到了PDF.DOC.CAJ ······ 才知道原来电子书还分这么多的格式,那个时候还在想,为什么要弄这么多不同的格式呢?那 ...

epub、ocf等常用电子书格式浅析----附JAVA示例程序

epub、ocf等常用电子书格式浅析----附JAVA示例程序相关推荐

最新文章

热门文章