opf-cc: epub 和 mobi 的自动简繁转换工具

写一个自动转换 epub 或者 mobi 格式文件的中文简繁体的工具是我一直想做的事情,因为有不少格式内容精美的书籍资源都只有繁体中文版本,而我又不习惯长篇阅读繁体,所以常常要手工转换再用 calibre 封装,不胜其烦,相信其他人也有类似需求。

上周末有空,就用 Python 写了 opf-cc 这个项目,是 Open Packaging Format Chinese Conversion 的缩写,因为 epub 和 Amazon 采用的 mobi 都只是封装方式,具体的文件布局都是按照 OPF 规范的。这里说说实现的思路。

简繁转换这个问题相对好解决,有现成的 OpenCC 在处理多繁一简或者多简一繁的问题上已经很完善了,所以就稍微修改了一下 OpenCC 的代码直接拿来用了,修改都作为 pull request 已经提交到上游了。

解包 epub 比较简单,因为 epub 实际上就是 zip 压缩包,所以用 Python 的 zipfile 模块直接就可以解压。mobi 的解包稍微麻烦一些,如果不用 calibre 那一套庞大的库,mobiunpack 就是最好的选择。

解包后需要找到应该转换的文件,比较麻烦的地方是有的目录中 href 到的文件名本身就是繁体,如果直接整个目录文件一起转换,就得把文件也对应改名,比较麻烦,这里我尝试用 lxml 来解析目录文件,挑出文本来调用 OpenCC 的 Python 模块进行转换,对于 href 属性的内容则不转换。

重新打包 epub 也简单,用 OS X 的 zip 工具一压就可以了 (更新: fishy 提供了不依赖单独 zip 工具而是直接用 Python 的 zipfile 的实现),但 mobi 的打包比较麻烦,要么用 calibre 要么用 Amazon 提供的 KindleGen,好处是下载安装一个二进制程序就可以了,坏处是生成的文件大小要比原来的文件大一倍有余,calibre 就没这个问题 (更新: 经 byelims 推荐使用 kindlestrip 来处理 KindleGen 生成的文件,可以去掉冗余的数据)。

总的说来这个项目还有不少可以改进的地方,除了上述两点以外,还有可以加入简体转繁体的功能,也就是给 OpenCC 传一个不同的参数的事而已。不过我设想该有的功能都已经有了,具体应用的时候遇到什么问题再拿来改进。

另外有兴趣的朋友可以提供更方便的封装,比如用 Automator 或者 ThisService 做成 OS X 的 Service,就可以直接在 Finder 里选中文件右键点击转换了。


6 Comments

python zipfile 库直接打包 epub 的事情我做过:

https://github.com/fishy/scripts/blob/master/fix-epub.py

Posted by fishy on 31 January 2013 @ 8am

KindleGen 生成的文件大一倍是因为它会把原始的 epub 文件一起打包进去,可以用一个脚本处理一下。 http://www.mobileread.com/forums/showthread.php?t=96903

Posted by byelims on 31 January 2013 @ 8am

@byelims: 多谢,已经更新: https://github.com/jjgod/opf-cc/commit/b27ce704a6703fede25a888df6ec73963ef11018

Posted by jjgod on 31 January 2013 @ 5pm

要我选择还更倾向于选择繁体,因为简体转繁体是件不可能的事情,而繁体转简体会损失很多信息。这并不是代码能够解决的问题,这跟“在国外的本土文化反而保存得更完整”是一样的。

Posted by Epsin on 10 August 2013 @ 11am

Hi,JJ,会考虑将iTextus加入epub格式支持吗

Posted by fengts on 17 September 2013 @ 3pm

现在不太可能有时间做,但 epub 的支持现在多看做得已经很好了啊。

Posted by jjgod on 11 November 2013 @ 5am

Leave a Comment