Epub电子书切割

引言：由于公司存储电子书的格式是.epub。一本电子书加载的时候，如果电子书大的话，全部加载该电子书会非常的消耗时间和资源。非常的不合理。那么现在，将所有电子书按章切分。将拆分的电子书再上传至服务器，用户点击阅读电子书任何一章节，就加载该章节的数据。这里的具体逻辑不细写，主要细写如果切割电子书的过程。

准备

这里我用到了Epublib这个jar包，详细资料参考下方

epublib github

epublib API

maven库搜索 epublib-core ，kxml2

pom文件引入依赖

<!-- https://mvnrepository.com/artifact/nl.siegmann.epublib/epublib-core -->
<dependency><groupId>nl.siegmann.epublib</groupId><artifactId>epublib-core</artifactId><version>3.1</version>
</dependency><!-- https://mvnrepository.com/artifact/net.sf.kxml/kxml2 -->
<dependency><groupId>net.sf.kxml</groupId><artifactId>kxml2</artifactId><version>2.3.0</version>
</dependency>

分析

epub电子书结构

.epub电子书是怎么的结构。我这边下载了一本。我用winrar解压看下。如下图

可以很清楚看见是由xhtml文件组成资源。关于content.opf ，toc.nxc等这些本来就是属于电子书的数据结构文件，可以自行网上查阅。

epublib中book数据结构

epub电子书抽象成epublib中的book 。epublib 中book的数据结构是怎么样子的呢，这里稍微介绍一下，网上确实资料太少了。

Resource数据结构

Resources类中又有一个HashMap，HashMap中的value为Resource，Resource的数据结构如下：

1. id,href相当于Resources中那个HashMap中的key，可以找到Resource
2. title 和 originalHref 表资源的名字和起始的href
3. mediaType 资源的数据类型 inputEncoding 编码格式
4. data 第一张图片上的.xhtml转string类型，然后再转成字节流的数据

Metadata

Book里的Metadata相当于电子书的头部，可以获取电子书的基本数据，数据结构如下：

Spine

Book中的骨架结构，用来链接Book资源文件，数据结构如下

Resource 与ResourceReference 为关联，SpineReference是ResourceReference的父类。

在设置好Resouces后一定要设置相应的Spine中的Resouce，不然电子书打开，会无法识别。

TableOfContents

Book中目录对应的数据结构。有目录的名字，目录对应的Resource，对应的数据结构如下：

实战

Demo代码如下：

/*** @Description: 按章节切分 电子书* @Author: ouyangkang* @CreateDate: 2018/9/28 17:41* @Param  [url]*/public static void segmentation(String url){try {// 获取网络资源URL urlResource = new URL(url) ;// 打开链接HttpURLConnection conn = (HttpURLConnection) urlResource.openConnection();// 建立链接conn.connect();// 读取电子书流EpubReader epubReader = new EpubReader();// 获取电子书InputStream inputStream = conn.getInputStream();if (inputStream == null){return;}if (epubReader == null){return;}Book book = epubReader.readEpub(inputStream);if (book == null){return;}// 获取电子书目录TableOfContents tableOfContents = book.getTableOfContents();// 电子书章节封装资源List<SpineReference> spineReferences = book.getSpine().getSpineReferences();// 电子书 章节Id 集合List<String> resourceIds = new ArrayList<>(16);// 获取所有资源hrefSet<String> hrefs = (Set<String>) book.getResources().getAllHrefs();// css 资源文件List<String> hrefCss = new ArrayList<>();hrefs.stream().forEach(href -> {if (href.contains(".css")){hrefCss.add(href);}});spineReferences.stream().forEach(spineReference -> {// 获取章节IdresourceIds.add(spineReference.getResourceId());});// 电子书章节资源Resources resources = new Resources();// 写入电子书EpubWriter epubWriter = new EpubWriter();resourceIds.stream().forEach(resourceId -> {// 电子书章节Book bookChapter = new Book();//章节导航Spine spine = new Spine();if (hrefCss.size() > 0){hrefCss.stream().forEach(href -> {resources.add(book.getResources().getByHref(href));});}nl.siegmann.epublib.domain.Resource resource = book.getResources().getById(resourceId);resources.add(resource);// 获取图片资源try {String imageData = new String(resource.getData(),"UTF-8");// 获取图片源List<String> imagesHrefs = getImgSrc(imageData);//添加该章节下的图片资源imagesHrefs.stream().forEach(imagesHref -> {nl.siegmann.epublib.domain.Resource resourceImage = book.getResources().getByHref(imagesHref);resources.add(resourceImage);});//设置电子书资源// 设置电子书导航文件nl.siegmann.epublib.domain.Resource tocResource = book.getResources().getById("ncx");if (tocResource != null){// 发现有的电子书并不存在 toc.ncx 而是以一种toc.xhtml的文件存在if (tocResource.getHref().contains("toc.ncx")) {spine.setTocResource(tocResource);} else {resources.add(tocResource);}}//添加章节资源bookChapter.setResources(resources);// 添加该章节骨架spine.addSpineReference(new SpineReference(book.getResources().getById(resourceId)));bookChapter.setSpine(spine);// 添加该书的所有目录bookChapter.setTableOfContents(tableOfContents);//文件写入地址String path = "D:\\ebook\\"+resourceId+".epub";File file = new File(path);if (!file.getParentFile().exists()){file.getParentFile().mkdir();}epubWriter.write(bookChapter, new FileOutputStream(file));} catch (IOException e) {e.printStackTrace();}finally {conn.disconnect();}});}catch (Exception e){e.printStackTrace();}}/*** 获取img标签中的src值* @param content* @return*/public static List<String> getImgSrc(String content){List<String> list = new ArrayList<String>();//目前img标签标示有3种表达式//<img alt="" src="1.jpg"/>   <img alt="" src="1.jpg"></img>     <img alt="" src="1.jpg">//开始匹配content中的<img />标签Pattern p_img = Pattern.compile("<(img|IMG|image|IMAGE)(.*?)(/>|></img>|>|></image)");Matcher m_img = p_img.matcher(content);boolean result_img = m_img.find();if (result_img) {while (result_img) {//获取到匹配的<img />标签中的内容String str_img = m_img.group(2);//开始匹配<img />标签中的srcPattern p_src = Pattern.compile("(src|SRC|href|HREF)=(\"|\')(.*?)(\"|\')");Matcher m_src = p_src.matcher(str_img);if (m_src.find()) {String str_src = m_src.group(3);if (str_src.contains("Image")){str_src = str_src.substring(str_src.indexOf("I"),str_src.length());}else {str_src = str_src.substring(str_src.indexOf("i"),str_src.length());}list.add(str_src);}//结束匹配<img />标签中的src//匹配content中是否存在下一个<img />标签，有则继续以上步骤匹配<img />标签中的srcresult_img = m_img.find();}}return list;}