epub、ocf等常用电子书格式浅析----附JAVA示例程序

Z时代
2024-01-10
分类：综合

java

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

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

可选

coverWH.jpg

coverWH.png

封面图片

jpg/png文件

可选

oebps/

MEB内容信息目录

必选

chapterXX/

章节目录

必选

chapterXX.html

页内容页面

xHtml文件

images/

图片目录

可选

orig

原图存放目录

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）

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();
}
}
}