生成Kindle可读的mobi和PDF电子书

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：

万圣节南瓜灯的做法

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HTML

kindlegen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：

涂经纬老公<dc:title>电⼦书标题</dc:title>

马诺门照艳<dc:language>en-us</dc:language>

</metadata>

</manifest>

</spine>

<guide>

</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：

pdf电子书制作<metadata xmlns:dc="/dc/elements/1.1/" xmlns:opf="/2007/opf">

<dc:title>{{ title }}</dc:title>

<dc:language>en-us</dc:language>

</metadata>

{% for item in navigation %}

{% endfor %}

{% for item in media %}

{% endfor %}

任天野个人资料</manifest>

{% for item in navigation %}

{% endfor %}

</spine>

<guide>

</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：

将PDF转换为图⽚

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。

图⽚处理

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""# 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 = p(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 = p(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 = _template('jpgs.html')

opftemplate = _template('opf.html')

ncxtemplate = _template('ncx.html')

extends.SaveFile(outputfolder + "toc.html", der(navigation=docs, title=booktitle, author=author)); extends.SaveFile(outputfolder + booktitle + ".opf",

兔六extends.SaveFile(outputfolder + "", der(navigation=docs, title=booktitle, author=author)); currentPath = os.getcwd() + "\\" + place("/", "\\") + booktitle + ".opf";

mobipath = place("/", "\\") + booktitle + ".mobi";

kindlepath = os.getcwd() + "\\" + place("/", "\\");

cmd = kindlepath + "" + currentPath;

cmd = de();

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。

最终效果

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。

生成Kindle可读的mobi和PDF电子书

发布评论取消回复

最近发表

热门文章

标签列表