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：

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：

#!/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：

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：

#!/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：

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）)。