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。