用于提取“epub”信息的 Python 库

Question

我正在尝试在 python 中为 iBook 创建一个 epub 上传器。我需要一个 python 库来提取图书信息。在我自己实现这个之前，我想知道是否有人知道一个已经制作好的 python 库。

原文由 xiamx 发布，翻译遵循 CC BY-SA 4.0 许可协议

Answer 1

.epub 文件是一个包含 META-INF 目录的 zip 编码文件，其中包含一个名为 container.xml 的文件，该文件指向另一个通常名为 Content.opf 的文件，该文件为构成电子书的所有其他文件编制索引（摘要基于 http://www.jedisaber.com/eBooks/tutorial.asp ；完整规范位于 http://www.idpf.org/2007/opf/opf2.0/download/ ）

以下 Python 代码将从 .epub 文件中提取基本元信息并将其作为字典返回。

 import zipfile
from lxml import etree

def epub_info(fname):
    def xpath(element, path):
        return element.xpath(
            path,
            namespaces={
                "n": "urn:oasis:names:tc:opendocument:xmlns:container",
                "pkg": "http://www.idpf.org/2007/opf",
                "dc": "http://purl.org/dc/elements/1.1/",
            },
        )[0]

    # prepare to read from the .epub file
    zip_content = zipfile.ZipFile(fname)

    # find the contents metafile
    cfname = xpath(
        etree.fromstring(zip_content.read("META-INF/container.xml")),
        "n:rootfiles/n:rootfile/@full-path",
    )

    # grab the metadata block from the contents metafile
    metadata = xpath(
        etree.fromstring(zip_content.read(cfname)), "/pkg:package/pkg:metadata"
    )

    # repackage the data
    return {
        s: xpath(metadata, f"dc:{s}/text()")
        for s in ("title", "language", "creator", "date", "identifier")
    }

示例输出：

 {
    'date': '2009-12-26T17:03:31',
    'identifier': '25f96ff0-7004-4bb0-b1f2-d511ca4b2756',
    'creator': 'John Grisham',
    'language': 'UND',
    'title': 'Ford County'
}

原文由 Hugh Bothwell 发布，翻译遵循 CC BY-SA 4.0 许可协议

Answer 2

例如 epub-tools 之 类的东西？但这主要是关于 编写 epub 格式（来自各种可能的来源）， epubtools （类似的拼写，不同的项目）也是如此。为了 阅读 它，我会尝试配套项目 threepress ，这是一个用于在浏览器上显示 epub 书籍的 Django 应用程序 - 没有看过该代码，但我想为了显示这本书它必须首先能够阅读;-）。

原文由 Alex Martelli 发布，翻译遵循 CC BY-SA 2.5 许可协议