PDF到EPUB電子書格式轉(zhuǎn)換工具的設(shè)計(jì)與實(shí)現(xiàn).pdf

1、PDF全稱Portable Document Format，是一種國(guó)際通用的電子文檔開放標(biāo)準(zhǔn)。這種標(biāo)準(zhǔn)定義了一個(gè)與操作系統(tǒng)平臺(tái)無(wú)關(guān)的電子書格式，正因?yàn)榭缙脚_(tái)這一特點(diǎn)使它成為互聯(lián)網(wǎng)上進(jìn)行數(shù)字化信息傳播和電子文檔發(fā)行的主要存儲(chǔ)格式。尤其是在印刷出版行業(yè)PDF文檔格式已作為印刷出版的標(biāo)準(zhǔn)。EPUB全稱Electronic Publication，是國(guó)際開放電子圖書聯(lián)盟1999年推出的用來(lái)表示電子圖書的內(nèi)容、結(jié)構(gòu)的一種開放性規(guī)范，該規(guī)范同時(shí)也是

2、一個(gè)為了統(tǒng)一電子書格式和提升電子書相容性的開放標(biāo)準(zhǔn)。運(yùn)用該規(guī)范制作的電子書，最大的特點(diǎn)就是內(nèi)容可以根據(jù)用戶設(shè)置的參數(shù)重新排版。
　　隨著公司閱讀軟件的進(jìn)一步升級(jí)和客戶群體的逐漸擴(kuò)大，來(lái)自出版社方面的客戶需要將原有的PDF格式文檔轉(zhuǎn)換成EPUB格式文檔保存。對(duì)于客戶的需求，公司需要在技術(shù)上給予支持，即在原有的電子書閱讀器上增加PDF到EPUB電子書格式的轉(zhuǎn)換功能。把PDF文檔內(nèi)容轉(zhuǎn)換成EPUB文檔內(nèi)容，包括文本資源、圖像資源、樣式資

3、源、目錄數(shù)據(jù)和元數(shù)據(jù)等內(nèi)容的轉(zhuǎn)換。為了使原來(lái)固定排版的PDF文件，具有EPUB文件可重排的特征，需要保證不同的文件內(nèi)容在轉(zhuǎn)換后保持排版方式一致，包括了單欄純文本、多欄純文本和圖文混排等排版方式的處理。
　　本論文設(shè)計(jì)并實(shí)現(xiàn)一個(gè)PDF到EPUB電子書格式的轉(zhuǎn)換工具，將解決這兩種格式間文本、圖像、樣式、目錄和元數(shù)據(jù)等資源的對(duì)應(yīng)轉(zhuǎn)換，以及單欄純文本、多欄純文本和圖文混排等不同排版方式轉(zhuǎn)換后的一致性處理。項(xiàng)目開發(fā)過(guò)程中采用的相關(guān)技術(shù)，包括

4、PDF文檔解析技術(shù)、常用圖像格式的解析技術(shù)、XML數(shù)據(jù)存儲(chǔ)技術(shù)、EPUB文檔解析技術(shù)、文件壓縮與解壓縮技術(shù)、字體引擎和2D圖像渲染引擎等。根據(jù)項(xiàng)目的需求，為了實(shí)現(xiàn)PDF到EPUB電子書格式的轉(zhuǎn)換工具，本論文設(shè)計(jì)了PDF資源抽取、排版規(guī)則處理和EPUB文檔生成等三個(gè)功能模塊，并采用了面向?qū)ο箝_發(fā)方法來(lái)實(shí)現(xiàn)PDF到EPUB電子書格式的轉(zhuǎn)換功能。具體實(shí)現(xiàn)流程如下:首先，使用PDF解析引擎解析PDF文檔，獲取元數(shù)據(jù)和目錄數(shù)據(jù)，并從PDF頁(yè)面內(nèi)容

5、流中抽取文本、圖像和樣式等數(shù)據(jù)，然后將抽取出來(lái)的資源數(shù)據(jù)使用XML格式文件存儲(chǔ);其次，對(duì)XML文件中描述的資源數(shù)據(jù)進(jìn)行排版規(guī)則處理，包括了章節(jié)劃分，行劃分和段劃分等處理;最后，將排版規(guī)則處理后的內(nèi)容數(shù)據(jù)，以及抽取出的邏輯描述數(shù)據(jù)和資源數(shù)據(jù)等，按照標(biāo)準(zhǔn)的EPUB結(jié)構(gòu)組織并壓縮成ZIP格式文檔，即生成一個(gè)標(biāo)準(zhǔn)的EPUB格式文檔。通過(guò)把轉(zhuǎn)換工具部署在客戶端和服務(wù)器端，并使用單欄純文本、多欄純文本和圖文混排的PDF文件作為測(cè)試用例，對(duì)各個(gè)功能模