JAVA通过epublib解析EPUB格式的电⼦书
什么是 epub 格式
就像视频⽂件有 MP4,AVI,RMVB 等等⼀样！电⼦书也有很多种格式：
可以将 epub 格式的电⼦书更换后缀名，然后解压打开查看⾥⾯的⽂件信息。
Java 解析 Epub 格式电⼦书
刚接到这个需求的时候，在⽹上了很久，没到很好的解析⽅法，最后到了 epublib 这个解析库，但是下载对应的 jar 很⿇烦，最终在maven 仓库搜索到了。
epublib 解析库
epublib：a Java library for reading and writing epub files （⼀个⽤于读写 epub ⽂件的 Java 库）
第⼀步：引⼊对应的 pom ⽂件
<dependency>
<groupId>com.positiondev.epublib</groupId>
<artifactId>epublib-core</artifactId>
<version>3.1</version>
</dependency>
<!--html解析 -->
<dependency>
<groupId>org.jsoup</groupId>
<artifactId>jsoup</artifactId>
<version>1.12.1</version>
</dependency>
第⼆步：常⽤关键类
1.Book      表⽰电⼦书。通过 book 对象可以获取 resource，Metadata 等具体内容
2.Resource  表⽰电⼦书内容资源，⼀个 Resource 就是电⼦书的⼀部分内容，这资源信息可以是 html,css,js，图⽚等；
3.Resources  表⽰电⼦书全部的 Resource 对象。可以⽤过 id,herf,MediaType 来获取对应的 Resource 对象
4.MetaData  表⽰电⼦书的开篇信息。⽐如，作者，出版社，语⾔等；
5.Spine  电⼦书的 resource 顺序，有⼈说是⽬录信息，其实不是，是 resource 的阅读顺序，是线性结构的
6.TableOfContent 电⼦书的⽬录信息，是树形结构的。可以获取到⽬录对应的resource。
7.MediaType  Resource 的类型描述。⽤于说明此 Resource 是何种类型（CSS/JS/图⽚/HTML/ VEDIO 等）。
第三步：解析⼀个epub⽂件
public static void main(String[] args) {
File file = new File("E:\\Download\\红楼梦.epub");
InputStream in = null;
try {
//从输⼊流当中读取epub格式⽂件
EpubReader reader = new EpubReader();
in = new FileInputStream(file);
Book book = adEpub(in);
//获取到书本的头部信息
Metadata metadata = Metadata();
System.out.println("FirstTitle为："+FirstTitle());
//获取到书本的全部资源
Resources resources = Resources();
System.out.println("所有资源数量为："+resources.size());
//获取所有的资源数据
Collection<String> allHrefs = AllHrefs();
for (String href : allHrefs) {
Resource resource = ByHref(href);
//data就是资源的内容数据，可能是css,html，图⽚等等
byte[] data = Data();
// 获取到内容的类型  css,html，还是图⽚
MediaType mediaType = MediaType();
}
//获取到书本的内容资源
List<Resource> contents = Contents();
System.out.println("内容资源数量为："+contents.size());
//获取到书本的spine资源线性排序
Spine spine = Spine();
System.out.println("spine资源数量为："+spine.size());
//通过spine获取所有的数据
List<SpineReference> spineReferences = SpineReferences();
for (SpineReference spineReference : spineReferences) {
Resource resource = Resource();
//data就是资源的内容数据，可能是css,html，图⽚等等
byte[] data = Data();
/
/ 获取到内容的类型  css,html，还是图⽚
MediaType mediaType = MediaType();
}
//获取到书本的⽬录资源
TableOfContents tableOfContents = TableOfContents();
System.out.println("⽬录资源数量为："+tableOfContents.size());
//获取到⽬录对应的资源数据
List<TOCReference> tocReferences = TocReferences();
for (TOCReference tocReference : tocReferences) {
Resource resource = Resource();
//data就是资源的内容数据，可能是css,html，图⽚等等
byte[] data = Data();
// 获取到内容的类型  css,html，还是图⽚
MediaType mediaType = MediaType();
Children().size()>0){
//获取⼦⽬录的内容
}
}
} catch (Exception e) {
reference group
e.printStackTrace();
} finally {
//⼀定要关闭资源
try {
if (in != null) {
in.close();
}
} catch (IOException e) {
e.printStackTrace();
}
}
}
注意事项
1 解析后得到的data内容数据是html格式的富⽂本内容，如果需要纯⽂本，可以通过jsoup获取P标签的⽂本内容就可以了，但是获取后的纯⽂本排版就会乱。
2 资源当中可能会存在图⽚和css等等，不在⽬录或者spine当中的内容，可以通过ByHref等⽅法获取。

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。