2019獨(dú)角獸企業(yè)重金招聘Python工程師標(biāo)準(zhǔn)>>>

第四章、epub文件處理?--?epub文件內(nèi)部組成

第三章的結(jié)尾，我們說到從FBReaderApp類的openBookInternal方法，就要開始對(duì)epub文件的處理流程了。

在對(duì)這個(gè)流程進(jìn)行詳細(xì)的分析之前，我們有必要先用一個(gè)章節(jié)詳細(xì)介紹一下epub文件的內(nèi)部組成。

首先，epub文件一種壓縮文件，是壓縮格式是與zip壓縮文件是一樣的。換一句話說，epub文件是可以用支持zip格式的解壓縮文件解壓的（有些軟件不能識(shí)別epub后綴名，需要手動(dòng)把.epub的后綴名改成.zip）。

把epub文件解壓之后，打開文件夾，我們可以看到有如下的文件與文件夾，我們一個(gè)一個(gè)來看一下。

META-INF文件夾

這個(gè)文件文件夾的名字翻譯成中文就是“元信息”。文件夾里面只有一個(gè)container.xml文件

container.xml文件

文件的內(nèi)容如下：

這段內(nèi)容的作用就是標(biāo)明了.opf文件的位置。這個(gè).opf文件是一個(gè)很重要的文件，它記錄了epub文件內(nèi)部各個(gè)文件的具體信息，我們會(huì)在介紹OPS文件夾的時(shí)候詳細(xì)介紹這個(gè)文件。

程序必須正確解析.opf文件的內(nèi)容后才能正常運(yùn)行，但是.opf這個(gè)文件的文件名本身卻是可以自定義的，也就是說，不同的epub文件里面可能包含不同名字、位于不同行位置的.opf文件。那么，如何確保程序能夠正確找到并解析.opf文件呢，就是通過container.xml這個(gè)文件來指定.opf文件。正是基于這個(gè)原因，epub文件的標(biāo)準(zhǔn)里規(guī)定“EPUB?根目錄下必須包含?META-INF?目錄，而且其中必須要有一個(gè)文件?container.xml”（引用自http://blog.sina.com.cn/s/blog_6441e0640100gmhv.html）。

大家可以試一下，如果你把解壓后的epub文件里的container.xml文件改名后再重新壓縮成epub文件，程序就會(huì)報(bào)錯(cuò)。

OPS文件夾

OPS文件夾主要包含三種重要的文件.opf文件、ncx文件、.xhtml文件。同時(shí)，還可能會(huì)有css文件和圖片文件。下面詳細(xì)介紹下這些文件。

.opf文件

opf代表“Open?Packaging?Format”，意譯成中文差不多應(yīng)該是“EPUB文件包格式”。我們說過epub文件是個(gè)zip壓縮文件，opf文件的作用可以被理解為描述了EPUB文件解壓后，內(nèi)部各個(gè)文件和文件夾的名字、位置等信息。

.opf文件主要包含三個(gè)主要的節(jié)點(diǎn)metadata、manifest、spine，這個(gè)三個(gè)節(jié)點(diǎn)分別描述了不同信息。

其中，metadata節(jié)點(diǎn)定義了epub的作者、書名、語言等元信息。這些元信息大部分都在dc的命名空間下。dc代表Dublin?Core，意指國(guó)際組織“Dublin?Core?Metadata?Initiative”定義的標(biāo)準(zhǔn)。

manifest節(jié)點(diǎn)的作用是描述epub文件內(nèi)部對(duì)應(yīng)不同章節(jié)對(duì)應(yīng)的文件的位置。manifest節(jié)點(diǎn)在這里的作用有點(diǎn)像之前提到的container.xml文件：container定義了.opf文件的位置，而manifest節(jié)點(diǎn)中的item子節(jié)點(diǎn)的href屬性則定義了含有對(duì)應(yīng)每個(gè)章節(jié)的文件的位置。

spine節(jié)點(diǎn)的作用是定義讀者在順序閱讀時(shí)，每個(gè)章節(jié)出現(xiàn)的先后次序。linear這個(gè)節(jié)點(diǎn)的作用是這樣的：“?EPUB?規(guī)范的閱讀系統(tǒng)將首先打開?spine?中沒有設(shè)置為?linear=no?中的第一項(xiàng)”。所以，“建議將封面定義為?linear=no”。（引用自http://blog.sina.com.cn/s/blog_6441e0640100gmi8.html）?

????我們可以看到，我們的測(cè)試epub文件似乎并沒有嚴(yán)格按照epub規(guī)范將封面的linear屬性設(shè)置為“no”。正因?yàn)槿绱?#xff0c;第一次打開測(cè)試文件的時(shí)候，默認(rèn)的第一頁(yè)是封面而不是正文。

.ncx文件

ncx代表“Navigation?Center?eXtended”，意思大致就是導(dǎo)航文件，這個(gè)文件與目錄有直接的關(guān)系。

.ncx文件中最主要的節(jié)點(diǎn)是navMap。navMap節(jié)點(diǎn)是由許多navPoint節(jié)點(diǎn)組成的。而navPoint節(jié)點(diǎn)則是由navLabel、content兩個(gè)子節(jié)點(diǎn)組成。

navPoint節(jié)點(diǎn)中，playOrder屬性定義當(dāng)前項(xiàng)在目錄中顯示的次序。

navLabel子節(jié)點(diǎn)中的text節(jié)點(diǎn)定義了每個(gè)目錄的名字。

content子節(jié)點(diǎn)的src屬性定義了對(duì)應(yīng)每個(gè)章節(jié)的文件的具體位置。

看到這里，可能會(huì)有有人覺得.opf文件與.ncx文件有一點(diǎn)重復(fù)：.opf文件的item節(jié)點(diǎn)中的href屬性描述了各個(gè)章節(jié)文件的位置與順序，.ncx文件中的conten節(jié)點(diǎn)中的src屬性也描述了各個(gè)章節(jié)文件的位置與順序。其實(shí)他們還是有區(qū)別的，區(qū)別就在于，.opf文件定義的是讀者在順序閱讀時(shí)會(huì)用到的章節(jié)文件與它們的順序，.ncx文件則定義的是目錄中會(huì)用到的章節(jié)文件與它們的順序。如果存在某些附件性質(zhì)的內(nèi)容被希望在目錄中出現(xiàn)，但卻不希望在讀者順序閱讀的時(shí)候出現(xiàn)時(shí)，那么就可以通過對(duì).opf文件和.ncx文件進(jìn)行不同的設(shè)置來達(dá)到這個(gè)目的。當(dāng)然，大部分的時(shí)候，.opf與.ncx這兩個(gè)文件的內(nèi)容基本是重合的。

.xhtml文件

.xhtm文件就是存儲(chǔ)每個(gè)章節(jié)具體內(nèi)容。按照epub的規(guī)范，存儲(chǔ)具體內(nèi)容的文件應(yīng)該是xhtml為后綴名（參照http://zh.wikipedia.org/wiki/EPUB），但是似乎并不是每個(gè)epub里面都用xhtml作為存儲(chǔ)具體內(nèi)容的文件的后綴名。比如，我們的測(cè)試文件就使用了html作為后綴名，我還看到過htm作為后綴名的。但其實(shí)不管用什么作為后綴名都不會(huì)有問題，因?yàn)樵?opf和.ncx文件已經(jīng)準(zhǔn)確定義文件的位置和后綴名。同時(shí)，不管epub文件使用了什么后綴名，FBReader程序都是使用XHTMLReader類來處理這些文件。

樣式文件

樣式文件的作用是定義一些文本信息顯示的格式。并不是每一個(gè)epub文件內(nèi)部都會(huì)附有樣式文件，沒有樣式文件的情況下，就會(huì)使用程序默認(rèn)的樣式文件。

在FBReader程序1.0的版本里面并沒有專門讀取epub文件內(nèi)部樣式文件的類。1.0的版本直接使用了/asstes/default/style.xml作為默認(rèn)的樣式文件。不管是epub文件是否附有自帶的樣式文件文件，1.0的版本都使用的是這一套樣式文件的格式。2.0的版本增加了讀取自定義樣式文件文件的功能。大家可以在1.0版本和2.0版本下分別打開Quiet這本書（這個(gè)文件只作為測(cè)試用，請(qǐng)支持正版，多看中譯版購(gòu)買地址），就可以明顯看到樣式文件格式的不同。

1.0版本中的css解析類：ZLTextStyleCollection類

2.0的版本中的樣式文件解析類：

1.0版本顯示效果：

2.0版本顯示效果（標(biāo)題與小字部分都使用epub文件內(nèi)置的樣式文件）

圖片文件

圖片文件一般集中存儲(chǔ)在一個(gè)文件夾里面。最常見的圖片的文件就是封面圖片。封面圖片的位置會(huì)在.opf文件標(biāo)明。

Mimetype文件

這個(gè)文件的內(nèi)容很簡(jiǎn)單，只有一行：application/epub+zip。其實(shí)這行內(nèi)容就是表明了epub文件的mimetype屬性。搞過網(wǎng)頁(yè)的朋友應(yīng)該挺熟悉這個(gè)mimetype屬性的，html文件的mimetype屬性就是text/html，樣式文件文件的mimetype屬性是text/樣式文件，js文件的mimtype屬性則是application/javascript。

根據(jù)epub的標(biāo)準(zhǔn)，epub根目錄下必須包含mimetype文件，文件名與內(nèi)容都不能變。不過，我仔細(xì)看了下FBReader代碼，并沒有發(fā)現(xiàn)專門針對(duì)這個(gè)文件的部分。我有試著把這個(gè)miemtype文件刪掉然后再重新壓縮成epub文件。FBReader程序還是能正常打開這個(gè)文件。總而言之，按照標(biāo)準(zhǔn)，mimetype文件必須有，而且文件名與內(nèi)容都不能變。不過，實(shí)際操作起來，沒有mimetype文件，FBReader一樣能正常打開epub文件。

如果大家想更深入得了解epub文件的組成，可以參考下這個(gè)博客的相關(guān)內(nèi)容。

http://blog.sina.com.cn/s/blog_6441e0640100gmfe.html

http://blog.sina.com.cn/s/blog_6441e0640100gmhv.html

http://blog.sina.com.cn/s/blog_6441e0640100gmi8.html

http://blog.sina.com.cn/s/blog_6441e0640100gmj9.html

轉(zhuǎn)載于:https://my.oschina.net/u/938986/blog/335833

總結(jié)

以上是生活随笔為你收集整理的第四章、epub文件处理 -- epub文件内部组成的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。