PDF文档转换成mobi格式forkindle并解决排版问题.docx
《PDF文档转换成mobi格式forkindle并解决排版问题.docx》由会员分享，可在线阅读，更多相关《PDF文档转换成mobi格式forkindle并解决排版问题.docx（21页珍藏版）》请在冰豆网上搜索。
PDF文档转换成mobi格式forkindle并解决排版问题
PDF文档转换成mobi格式（forkindle），并解决排版问题
∙0.前言
∙1.下载和安装calibre
∙2.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：
1.章节标题和正文内容没有区别；
2.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.
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：
1.下载和安装calibre
calibre下载地址：
https:
//calibre-
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”
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”。
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
【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
3.编辑电子书，获取HTML内容和图片
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
4.程序处理HTML文档
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。
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。
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。
5.将HTML文档导入calibre，并转换成azw3格式
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
然后，将处理之后的HTML文档导入到calibre，操作方式同第2章。
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：
6.编辑azw3文档
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。
7.将azw3文档转换成mobi格式
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。
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。
8.附录
推荐的PDF电子书网址：
（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：
packagecom.amwalle.walle.util;
importorg.springframework.util.StringUtils;
importjava.io.*;
importjava.util.*;
importjava.util.regex.Matcher;
importjava.util.regex.Pattern;
publicclassPDFConverter{
publicstaticvoidmain（String[]args）throwsIOException{
Scannerscanner=newScanner（System.in）;
System.out.println（'请输入要转换的文件路径：
'）;
StringfilePath=scanner.nextLine（）;
System.out.println（filePath）;
convert（filePath）;
}
publicenumHeaderLevel{
Part（'H1','.*第.*部分.*'）,
Chapter（'H2','（.*第.*章.*）|（.*[1-9].*）'）;
privateStringheaderLevel;
privateStringexpression;
HeaderLevel（StringheaderLevel,Stringexpression）{
this.headerLevel=headerLevel;
this.expression=expression;
}
publicstaticStringgetHeaderLevel（Stringinput）{
if（StringUtils.isEmpty（input）||（!
input.contains（''）&&!
input.contains（''）））{
returnnull;
}
Stringdummy=preHandleHeader（input）;
for（HeaderLevellevel:
HeaderLevel.values（））{
Patternpattern=Ppile（level.expression）;
Matchermatcher=pattern.matcher（dummy）;
if（matcher.find（））{
returnlevel.headerLevel;
}
}
returnnull;
}
privatestaticStringpreHandleHeader（Stringinput）{
Stringdummy=input;
if（input.contains（''）&&input.contains（'
'））{
dummy=dummy.substring（dummy.indexOf（''）+4,dummy.indexOf（'
'））;
}elseif（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）;
returndummy;
}
publicStringgetHeaderLevel（）{
returnheaderLevel;
}
publicvoidsetHeaderLevel（StringheaderLevel）{
this.headerLevel=headerLevel;
}
publicStringgetExpression（）{
returnexpression;
}
publicvoidsetExpression（Stringexpression）{
this.expression=expression;
}
}
publicstaticvoidconvert（StringfilePath）throwsIOException{
Filefile=newFile（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！
'）;
}
Stringtitle=file.getName（）;
title=title.replace（'.html',''）;
FileoutFile=newFile（filePath.replace（'.html','1.html'））;
if（outFile.exists（））{
outFile.delete（）;
outFile.createNewFile（）;
}
try（Scannerscanner=newScanner（file,'UTF-8'）;BufferedWriteroutWriter=newBufferedWriter（newFileWriter（outFile）））{
Setcatalog=newHashSet<>（）;
StringBufferoutput=newStringBuffer（）;
booleanisIndentationNeeded=false;
intcount=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（））;
}
Stringline=scanner.nextLine（）;
//目录前面的内容（封面、版权等）
if（catalog.isEmpty（）&&!
line.startsWith（'output.append（line）.append（'\n'）;
continue;
}
//处理目录：
目录数据存set用于后续增加标题格式
if（line.endsWith（'
'））{
if（catalog.isEmpty（））{
output.delete（output.length（）-1,output.length（））;
Stringheader=output.toString（）;
StringcatalogTitle=header.substring（header.lastIndexOf（'\n'）+1）;
//格式化目录标题，增加目录前的分页
if（catalogTitle.contains（'目录'）||catalogTitle.contains（'Contents'））{
catalogTitle='
'+catalogTitle+'
'+'\n';
output.delete（header.lastIndexOf（'\n'）+1,output.length（））;
output.append（addPagination（title））;
output.append（catalogTitle）;
}else{
output.append（'\n'）;
output.append（addPagination（title））;
}
}
line=line.replaceAll（'part0000\\.html',''）;
output.append（line）.append（'\n'）;
Stringtemp=line.substring（line.lastIndexOf（'\'>'）+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;
StringtitleLevel=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（'','2em;\'>'）;
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（FileNotFoundExceptione）{
System.out.println（'Fileconvertfailed!
'）;
e.printStackTrace（）;
}
}
privatestaticStringremoveSpace（Stringinput）{
Stringresult=input.trim（）.replaceAll（'\\.',''）.replaceAll（'·',''）;
result=result.replaceAll（'\\s*',''）.replaceAll（'\\u00a0',''）.replaceAll（（char）12288+'',''）;
returnresult;
}
privatestaticStringaddPagination（Stringtitle）{
return'\n'+
'