PDF文档转换成mobi格式(for kindle)，并解决排版问题 |
您所在的位置：网站首页 › pdf是图像格式吗为什么 › PDF文档转换成mobi格式(for kindle)，并解决排版问题 |
PDF文档转换成mobi格式(for kindle)，并解决排版问题
|
PDF文档转换成mobi格式，并解决排版问题
0. 前言1. 下载和安装calibre2. PDF导入calibre，并转换为azw3格式3. 编辑电子书，获取HTML内容和图片4. 程序处理HTML文档5. 将HTML文档导入calibre，并转换成azw3格式6. 编辑azw3文档7. 将azw3文档转换成mobi格式8. 附录
0. 前言
正式介绍之前，先回答下面几个问题： 1. 为什么要将PDF转换成mobi？ 想要将PDF转换成mobi格式，初衷在于想在kindle上面看一些从网上获取到的PDF文档。直接将PDF导入kindle本来也可以，但是效果不是很好——要么竖着看，但是字体很小；要么横着看，字体会大一些，但是总感觉比较别扭，而且PDF的一页需要在kindle上翻3页。 kindle支持azw3、mobi等格式，但是不支持直接将azw3格式的文档直接导入到kindle，所以需要将PDF文档转换成mobi格式 2. 为什么不直接用在线转换工具？ 其实网上有很多工具支持将PDF转换成mobi格式，但是效果都很差： 章节标题和正文内容没有区别；正文内容格式混乱，在kindle上看是以PDF的一行进行的分段，行首也没有空格
3. 将PDF转换成mobi格式，我大概怎么做？ 将PDF转换成mobi格式，我主要是借助于calibre工具： 4. 转换效果如何？ 转换之后效果如下图，其中对章节标题和段落划分进行了处理： calibre下载地址： https://calibre-ebook.com/download 根据自己的系统下载安装即可 2. PDF导入calibre，并转换为azw3格式打开calibre，点击菜单栏的“添加数据”，选择PDF格式文件，点击“Open” 转换过程可能会持续一小段时间，看calibre主窗口右下角的任务执行结束即转换完成 在calibre主窗口选中目标电子书，点击菜单栏的“编辑书籍”打开编辑书籍窗口 在编辑书籍窗口，选中文本下的“part0000.html”，点击右键，选择“导出part0000.html” 同样的方式，全选图片下的所有图片，然后导出 由上一步可以看到，直接由PDF转换得到的HTML文档，PDF里面的每一行转换之后在HTML文档中都独立成了一段，而且段首也没有空格，章节标题也没有突出展示。 具体的代码见文末，里面也有比较详细的注释，有一些特殊情况的处理可以根据自己的要求适当修改代码。 首先，将calibre中已有的同名电子书删掉，操作方式是：在calibre主窗口，选中要删除的电子书，右键，选择“移除书籍” > “移除选定书籍”，之后在弹出窗口做二次确认 最后，由于直接导入的HTML文档是ZIP格式，不能直接进行编辑，所以需要再次将文档转换成azw3格式，操作方式同第3章。可以看到，导入HTML文档之后，图书的封面丢失了，可以在转换的时候，直接修改封面图（可以用第3章导出保存的图片），如下图： 这一步是非必须的，但是如果电子书中有插图，那么就需要在这一步进行补充。另外也可以在文件预览中检查各个HTML文件，如有必要，也可以进行简单编辑。 进入编辑操作同第3章所介绍，这里主要介绍一下补充图片。 在编辑书籍窗口，点击菜单栏的“新增文件”按钮。 然后在弹出框选择“导入文件”，选择需要导入的图片。注意，文件的路径最终要是“images/xx”格式。 最后点击“确定”。 如果有多张图片，则重复上面的操作。目前calibre不支持批量导入。 编辑完成之后，点击编辑书籍窗口菜单栏的“保存”按钮进行保存。 在calibre主窗口，选中电子书，点击“转换书籍”，在弹出窗口中，输入格式选择“AZW3” ，输出格式选择“MOBI”。点击“确定”。然后等转换任务结束。 推荐的PDF电子书网址： http://www.80pdf.com/ （大家有其他好的电子书链接也欢迎评论区共享。） HTML格式文档处理代码： package com.amwalle.walle.util; import org.springframework.util.StringUtils; import java.io.*; import java.util.*; import java.util.regex.Matcher; import java.util.regex.Pattern; public class PDFConverter { public static void main(String[] args) throws IOException { Scanner scanner = new Scanner(System.in); System.out.println("请输入要转换的文件路径： "); String filePath = scanner.nextLine(); System.out.println(filePath); convert(filePath); } public enum HeaderLevel { Part("H1", ".*第.*部分.*"), Chapter("H2", "(.*第.*章.*)|(.*[1-9].*)"); private String headerLevel; private String expression; HeaderLevel(String headerLevel, String expression) { this.headerLevel = headerLevel; this.expression = expression; } public static String getHeaderLevel(String input) { if (StringUtils.isEmpty(input) || (!input.contains("") && !input.contains(""))) { return null; } String dummy = preHandleHeader(input); for (HeaderLevel level : HeaderLevel.values()) { Pattern pattern = Pattern.compile(level.expression); Matcher matcher = pattern.matcher(dummy); if (matcher.find()) { return level.headerLevel; } } return null; } private static String preHandleHeader(String input) { String dummy = input; if (input.contains("") && input.contains(" ")) { dummy = dummy.substring(dummy.indexOf("") + 4, dummy.indexOf("")); } else if (input.contains("") && input.contains(" ")) { dummy = dummy.substring(dummy.indexOf("") + 20, dummy.indexOf(" ")); } dummy = dummy.replaceAll(" ", ""); dummy = dummy.replaceAll("", ""); dummy = dummy.replaceAll(" ", ""); dummy = dummy.replaceAll("", ""); dummy = removeSpace(dummy); return dummy; } public String getHeaderLevel() { return headerLevel; } public void setHeaderLevel(String headerLevel) { this.headerLevel = headerLevel; } public String getExpression() { return expression; } public void setExpression(String expression) { this.expression = expression; } } public static void convert(String filePath) throws IOException { File file = new File(filePath); if (!file.isFile() || !file.canRead() || !file.getName().endsWith(".html")) { System.out.println("请输入正确的html文件路径，并保证文件可读！"); } String title = file.getName(); title = title.replace(".html", ""); File outFile = new File(filePath.replace(".html", "1.html")); if (outFile.exists()) { outFile.delete(); outFile.createNewFile(); } try (Scanner scanner = new Scanner(file, "UTF-8"); BufferedWriter outWriter = new BufferedWriter(new FileWriter(outFile))) { Set catalog = new HashSet(); StringBuffer output = new StringBuffer(); boolean isIndentationNeeded = false; int count = 0; while (scanner.hasNextLine()) { count++; // 有些文件太大，需要在中间存一下文件 if (count >= 10000) { outWriter.append(output); count = 0; output.delete(0, output.length()); } String line = scanner.nextLine(); // 目录前面的内容（封面、版权等） if (catalog.isEmpty() && !line.startsWith("") + 2, line.indexOf(" ")); temp = removeSpace(temp); catalog.add(temp); continue; } if (StringUtils.isEmpty(line)) { output.append("\n"); continue; } // 处理章节标题 if (isLineATitle(line, catalog)) { isIndentationNeeded = true; String titleLevel = HeaderLevel.getHeaderLevel(line); if (HeaderLevel.Part.headerLevel.equals(titleLevel)) { output.append(addPagination(title)); output.append("").append(line).append("").append("\n"); continue; } if (HeaderLevel.Chapter.headerLevel.equals(titleLevel)) { output.append(addPagination(title)); output.append("").append(line).append("").append("\n"); continue; } output.append("").append(line).append("").append("\n"); continue; } // 首行缩进 if (isIndentationNeeded) { line = line.replace("", " "); line = line.replace(" ", ""); output.append(line).append("\n"); isIndentationNeeded = false; continue; } // 文本内容分段 if (isParagraphEnd(line)) { isIndentationNeeded = true; line = line.replace("", ""); line = line.replace(" ", ""); output.append(line).append("\n"); continue; } // 普通行处理：去掉换行 if (line.startsWith("") && line.endsWith(" ")) { line = line.replace("", ""); line = line.replace(" ", ""); output.append(line); continue; } output.append(line).append("\n"); } outWriter.append(output); System.out.println("********************************************"); System.out.println("Done! 生成的新文件路径： "); System.out.println(outFile.getPath()); } catch (FileNotFoundException e) { System.out.println("File convert failed!"); e.printStackTrace(); } } private static String removeSpace(String input) { String result = input.trim().replaceAll("\\.", "").replaceAll("·", ""); result = result.replaceAll("\\s*", "").replaceAll("\\u00a0", "").replaceAll((char) 12288 + "", ""); return result; } private static String addPagination(String title) { return "\n" + "\n" + "\n" + "\n" + "\n" + "" + title + "\n" + " \n" + " \n" + "\n" + "\n" + "\n"; } private static boolean isLineATitle(String input, Set catalog) { if (StringUtils.isEmpty(input) || (!input.contains("") && !input.contains(""))) { return false; } String dummy = HeaderLevel.preHandleHeader(input); for (String catalogEntry : catalog) { if (StringUtils.isEmpty(catalogEntry)) { continue; } if (catalogEntry.equals(dummy)) { return true; } } return false; } private static boolean isParagraphEnd(String input) { Pattern pattern = Pattern.compile(".*(\\w )$"); Matcher matcher = pattern.matcher(input); if (matcher.matches()) { return false; } // 句子结尾的标点符号：./!/?/……/"」 （英文+中文） Pattern pattern1 = Pattern.compile(".*(([\\.|!|\\?|\"|\\u3002|\\uff01|\\uff1f|\\u2026|\\u201d|\\u300d])|(\\. ))$"); Matcher matcher1 = pattern1.matcher(input); return matcher1.matches(); } } |
在calibre的主窗口中选中刚导入的图书，点击菜单栏的“转换书籍”，在弹出的转换窗口，将输出格式选择为“AZW3”，然后点击“确定”。
【注】这里有一个坑，图书转换的设置，目录针对章节有一个默认的最大值，需要根据图书的实际情况进行调整。我一般将两个值分别设置为1000，50 
针对这个问题，于是自己写了一段Java代码，主要是根据语义对文档内容进行分段，同时将标题突出，然后将每一张的起始位置独立成页。
然后，将处理之后的HTML文档导入到calibre，操作方式同第2章。
转换结束之后，在calibre主窗口，选中电子书，在右侧边栏，点击“点击打开”即可获取到mobi格式的电子书。然后将其共享至kindle就可以了。 
【本文地址】
今日新闻 |
推荐新闻 |