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：
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：
<package xmlns="/2007/opf" version="2.0" unique-identifier="BookId">
<metadata xmlns:dc="/dc/elements/1.1/" xmlns:opf="/2007/opf">
<dc:title>电⼦书标题</dc:title>
<dc:language>en-us</dc:language>
</metadata>
<manifest>
python教材下载<!-- table of contents [mandatory] -->
<item id="tochtml" media-type="application/xhtml+xml" href="toc.html"/>
<item id="item0" media-type="application/xhtml+xml" href="Artical-1277621753.html"/>
.
..
<!--下⾯是图⽚-->
<item id="0.368541311142" media-type="image/jpg" href="Images/-1720404282.jpg"/>
</manifest>
<spine toc="desertfire">
<!-- 下⾯描述了KG⽣成电⼦书后⽂本的顺序 -->
<itemref idref="toc"/>
<itemref idref="tochtml"/>
<itemref idref="item31"/>
</spine>
<guide>
<reference type="toc" title="Table of Contents" href="toc.html"></reference>
<reference type="text" title="Welcome" href="toc.html"></reference>
</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。
汉字用ascii码表示最终，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：
<package xmlns="/2007/opf" version="2.0" unique-identifier="BookId">
<metadata xmlns:dc="/dc/elements/1.1/" xmlns:opf="/2007/opf">
<dc:title>{{ title }}</dc:title>
<dc:language>en-us</dc:language>
</metadata>
<manifest>
<!-- table of contents [mandatory] -->
<item id="toc" media-type="application/x-dtbncx+xml" href=""/>
<item id="tochtml" media-type="application/xhtml+xml" href="toc.html"/>
{% for item in navigation %}
<item id="{{ item.id }}" media-type="application/xhtml+xml" href="{{ item.href }}"/>
{% endfor %}
{% for item in media %}
<item id="{{ item.id }}" media-type="image/{{ item.format}}" href="{{ item.href}}"/>
{% endfor %}
vb中circle各参数的意义</manifest>
<spine toc="{{ title }}">
<!-- the spine defines the linear reading order of the book -->
<itemref idref="toc"/>
<itemref idref="tochtml"/>
{% for item in navigation %}
<itemref idref="{{ item.id }}"/>
{% endfor %}
</spine>
<guide>
<reference type="toc" title="Table of Contents" href="toc.html"></reference>
<reference type="text" title="Welcome" href="toc.html"></reference>
</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  = 2pascal 语言
# firstpage=False
topblood = 0.05;
sideblood = 0.06;
booktitle = u"Paper";
author = "zhaoyiming"
outputfolder = "pdf2mobi/";
网页headerimgTypes = ['.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;
java抽奖程序课程设计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",
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。

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。