用PyQt4+Python写一个简单的EPub阅读器(1/3)

上一篇EPub格式电子书的制作介绍了EPub的基本概念,并用Python制作了一本简单的EPub电子书,这次,我们做一个EPub阅读器。

既然主题已经限定这是一个「简单」的EPub阅读器,我们造轮子的过程自然是以「掌握核心科技」为原则,怎么简单怎么来(PS1:我说的好有道理你竟然无言以对。PS2:「什么,你有话说?」,「哦!」)

所以呢,这个EPub阅读器的构想是这样的,一个主界面上一共3个Widget,其中两个一个用来查看章节,一个用来查看文字内容,文字内容一般用html,xhtml展示,那我们就用webview来展示文字的内容,还有一个作为图书仓库(Library),里面可以看到已经在仓库中的图书。

上一篇提到,EPub电子书实际上是一个压缩包文件,而且压缩包内的基本结构我们也已经了解了,要将这些数据展示在GUI上,需要一个抽象模型存放要显示的内容,所以,这个模块就叫做Books吧,它存放的信息包括书名,作者,章节名以及对应的在文件目录中的地址,这一篇呢,我们就先写这个模块。

解析xml用到的模块是BeautifulSoup4和lxml,不会的童鞋也不要紧张,这两个模块非常容易用,花一点时间学一下就行了。 你看,就像这样:
howtodrawahorse

EPub格式电子书的制作中提到,META-INF/container.xml中包含了opf文件的路径,而opf文件中有书籍的基本信息,如书名,作者等等。所以,流程也很简单,先用zifile解压读取container.xml,再用bs4从opf文件中解析出需要的信息。首先放一本epub格式的书籍到工作目录中,新建一个books.py,如:
epubandbookspy

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
#!/usr/bin/env python
# -*- coding: utf-8 -*-
import os
import zipfile
from BeautifulSoup import BeautifulStoneSoup
LIBRARY_DIR = os.path.abspath('.') + os.sep
class Book(object):
u"""
"""
_FILE = LIBRARY_DIR + '%s.epub'
def __init__(self, book_id=None):
if book_id:
self.open(book_id)
def open(self, book_id=None):
if book_id:
self.book_id = book_id
if not self.book_id:
raise Exception('Book id not set')
self.f = zipfile.ZipFile(self._FILE % self.book_id, 'r')
soup = BeautifulStoneSoup(self.f.read('META-INF/container.xml'))
oebps = soup.findAll('rootfile')[0]['full-path']
print ("ops filename path:" + str(oebps))
folder = oebps.rfind(os.sep)
self.oebps_folder = '' if folder == -1 else oebps[:folder+1] # 找到oebps的文件夹名称
if __name__ == '__main__':
book = Book('莎士比亚全集')
print book.oebps_folder

获得ops文件名,所在目录: 如:
getopsfile

照这个思路写下去,得到书名,作者信息,从ncx文件中获得目录信息,代码如下:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
#!/usr/bin/env python
# -*- coding: utf-8 -*-
import os
import zipfile
from lxml import etree
from BeautifulSoup import BeautifulStoneSoup
LIBRARY_DIR = os.path.abspath('.') + os.sep
RECOVER_PARSER = etree.XMLParser(recover=True, no_network=True)
NAMESPACES = {
'dc': 'http://purl.org/dc/elements/1.1/',
}
class Book(object):
u"""
需要主动调用open方法才能获得相应的属性
"""
_FILE = LIBRARY_DIR + '%s.epub'
def __init__(self, book_id=None):
if book_id:
self.open(book_id)
def fromstring(self, raw, parser=RECOVER_PARSER):
return etree.fromstring(raw, parser=parser)
def read_doc_props(self, raw):
u"""
:param raw: raw string of xml
:return:
"""
root = self.fromstring(raw)
self.title = root.xpath('//dc:title', namespaces={'dc': NAMESPACES['dc']})[0].text
self.author = root.xpath('//dc:creator', namespaces={'dc': NAMESPACES['dc']})[0].text
def open(self, book_id=None):
if book_id:
self.book_id = book_id
if not self.book_id:
raise Exception('Book id not set')
self.f = zipfile.ZipFile(self._FILE % self.book_id, 'r')
soup = BeautifulStoneSoup(self.f.read('META-INF/container.xml'))
oebps = soup.findAll('rootfile')[0]['full-path']
folder = oebps.rfind(os.sep)
self.oebps_folder = '' if folder == -1 else oebps[:folder+1] # 找到oebps的文件夹名称
oebps_content = self.f.read(oebps)
self.read_doc_props(oebps_content)
opf_bs = BeautifulStoneSoup(oebps_content)
ncx = opf_bs.findAll('item', {'id': 'ncx'})[0]
ncx = self.oebps_folder + ncx['href'] # 找到ncx的完整路径
ncx_bs = BeautifulStoneSoup(self.f.read(ncx))
self.chapters = [(nav.navlabel.text, nav.content['src']) for
nav in ncx_bs.findAll('navmap')[0].findAll('navpoint')]
if __name__ == '__main__':
book = Book('莎士比亚全集')
print book.oebps_folder
print book.title
print book.author
print str(book.chapters).decode("unicode-escape").encode("utf-8")

结果如图:
book_result

说明:测试过程中发现有的epub图书不规范,目录信息中没有章节描述和对应的路径,对于这些书籍可能会报错(OS:管它呢,反正不是我报错(OS:WTF))。