生成Kindle可读的mobi和PDF电子书-白红宇

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：

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。

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：


      
       
        
         {
    { title }}
        
        
         en-us
        
       
             
            
            
        {% for item in navigation %}    
        {% endfor %} {% for item in media %}   
        {% endfor %} 
       
         
            
              
            {% for item in navigation %}    
          {% endfor %}

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-8import osimport Image as imgimport jinja2 as jjimport extendsimport 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 = 2vertic = 2firstpage = True# 生成普通横版PDF时，则为如下设置：# horizon = 1# vertic  = 2# firstpage=Falsetopblood = 0.05;sideblood = 0.06;booktitle = u"Paper";author = "zhaoyiming"outputfolder = "pdf2mobi/";imgTypes = ['.png', '.jpg', '.bmp']kindlegen = r"Tools/kindlegen.exe"  # kindlegen positionshouldsplit = 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 = crtIm.crop(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 = crtIm.crop(box)                    cropped.save(crtOutFileName[0])                    myimg = {};                    myimg["href"] = "split/" + str(index) + format;                    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 = env.get_template('jpgs.html')opftemplate = env.get_template('opf.html')ncxtemplate = env.get_template('ncx.html')extends.SaveFile(outputfolder + "toc.html", articaltemplate.render(navigation=docs, title=booktitle, author=author));extends.SaveFile(outputfolder + booktitle + ".opf",                 opftemplate.render(navigation=docs, title=booktitle, author=author, media=images));extends.SaveFile(outputfolder + "toc.ncx", ncxtemplate.render(navigation=docs, title=booktitle, author=author));currentPath = os.getcwd() + "\\" + outputfolder.replace("/", "\\") + booktitle + ".opf";mobipath = outputfolder.replace("/", "\\") + booktitle + ".mobi";kindlepath = os.getcwd() + "\\" + kindlegen.replace("/", "\\");cmd = kindlepath + " " + currentPath;cmd = cmd.encode();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。

作者：

出处：

本文版权归作者和博客园共有，欢迎转载，但未经作者同意必须保留此段声明，且在文章页面明显位置给出原文连接，否则保留追究法律责任的权利。

分类:

本文转自FerventDesert博客园博客，原文链接：http://www.cnblogs.com/buptzym/p/5249662.html，如需转载请自行联系原作者