【技术实现步骤摘要】
一种EPUB文件解析方法
本专利技术涉及文件的读取方法
，具体涉及EPUB格式的语义化，具体地说是将EPUB格式的书籍进行重构转化成json文件。
技术介绍
EPUB(Electronicpublication)格式文件，是一个自由的开放标准，属于一种可以"自动重新编排"的内容；也就是文字内容可以根据阅读设备的特性，以最适于阅读的方式显示。EPUB档案内部使用了XHTML或DTBook(一种由DAISYConsortium提出的XML标准)来展现文字、并以zip压缩格式来包裹档案内容。EPUB格式中包含了数位版权管理(DRM)相关功能可供选用。但是目前EPUB电子书数据存在大量冗余，不易提取和重复利用。而如果能在保留书籍信息的同时，将其转换成扩展性强，解析简单的Json格式，便将很容易转换成其他类型的文件，对于电子图书信息的转换和展示具有广阔的应用前景。现有的EPUB解析方案是基于epublib-core-latest.jar对EPUB格式文件进行解析。根据解析的信息生成文件头转换器、页面转换器和对象转换器，其...
【技术保护点】
1.一种EPUB文件解析方法，调用解压模块将EPUB文件改名转为zip压缩文件并对其进行解压，而后针对解压文件进行解析，其特征在于，所述解析方法包括如下步骤：/n(1)解析元信息：调用元信息解析模块解析META-INF文件中的container.xml文件，读取出电子书的根文件路径；根据根文件路径定位opf文件，解析opf文件中的元信息；/n(2)解析书籍主体内容：书籍主体内容包含在xhtml/html文件中，根据页面处理模块将xhtml/html文件进行分类，分类方法采用获取其文件根标签的epub-type属性和data-type属性，根据其值的不同来分类，分为封面、前言...
【技术特征摘要】
1.一种EPUB文件解析方法，调用解压模块将EPUB文件改名转为zip压缩文件并对其进行解压，而后针对解压文件进行解析，其特征在于，所述解析方法包括如下步骤：
(1)解析元信息：调用元信息解析模块解析META-INF文件中的container.xml文件，读取出电子书的根文件路径；根据根文件路径定位opf文件，解析opf文件中的元信息；
(2)解析书籍主体内容：书籍主体内容包含在xhtml/html文件中，根据页面处理模块将xhtml/html文件进行分类，分类方法采用获取其文件根标签的epub-type属性和data-type属性，根据其值的不同来分类，分为封面、前言部分、章节部分和后记部分；然后分别调用封面解析单元、前言解析单元、章节解析单元进行处理，将这三部分内容分别进行语义化；针对后记部分，则不进行处理；
(3)提取每章的主体内容：主体内容由若干节组成，每一节由一个section标签进行包裹，调用section标签解析单元进行处理。
2.如权利要求1所述的一种EPUB文件解析方法，其特征在于，Opf文件解析分为两部分，一是解析书籍元信息，二是解析书籍媒体文件路径。
3.如权利要求2所述的一种EPUB文件解析方法，其特征在于，书籍的元信息包含在名为metadata的标签之中，其中需解析的部分标签信息如下表：
书籍的媒体文件路径包含在名为manifest的标签中，每个item标签表示一个媒体文件，只解析属性media-type为“application/xhtml+xml”的item标签，从而获取所有xhtml/html文件的路径，解析的方法是调用元信息解析模块将opf文件构建为文档树，遍历处理metadata和manifest标签，提取元信息标签对应文本节点的值并存储到预定义的语义化Json结构中，xhtml和html文件路径则存储为实例变量。
4.如权利要求1所述的一种EPUB文件解析方法，其特征在于，封面解析单元的解析方法是直接定位的提取出该文...
【专利技术属性】
技术研发人员：黄希希，蒋芹，佘晓龙，徐磊，
申请(专利权)人：湖北大学，
类型：发明
国别省市：湖北;42
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。