电子书转mdx

bnuliujitao · 发表于 2011-11-16 11:34:08

本帖最后由 bnuliujitao 于 2011-11-16 11:48 编辑

　　 rayman老大发明的mdx格式，不仅是一种词典格式，用来做手机上的电子书同样很有优势。它有以下几个优点，一是压缩率高，一般只有纯文本文件的一半或更小；二是支持html的标签，可以实现字体样式、图片、链接等效果；三是即使文件很大，打开的速度仍然很快，它并不是把整个文件都加入到内存里，可以节省内存。另外，他自带的收藏功能当作书签用，也很方便。
　　我之前将几本电子书转成了mdx格式，下面将我的一些方法分享一下，希望没有制作过mdx的人可以从中学会，把自己喜欢的电子书转成mdx，与大家分享。

　　这里说的电子书主指基于html即网页的电子书，一般是chm或exe格式。
　　首先第一步是把电子书反编译，就是还原出其中的网页、图片等内容。建议尽量从chm格式的电子书来转，因为这种电子书反编译比较容易，用一个chmFBY就可以了，很快，而且反编译出来的内容很完整（其他反编译chm的软件还有很多，比如老马的unEBook，制作chm的软件往往也自带反编译的功能，如easychm，htm2chm）。exe格式的电子书由各种不同的软件做成，要找专门的反编译工具，老马的minikillbook虽然可以从所有基于网页的电子书转出网页或文本，但速度要慢很多，文件很大的时候还可能不太稳定，可以作为备用。
　　转出来的内容一般包括网页（htm、html）、图片（gif、jpg、png、ico等格式）、css样式表、js（javascript）文件等。图片很多时候是都是背景或是效果，可以将它们全部删掉。如果反编译出来的文件有多个子文件夹，可以使用windows的搜索，比如输入*.gif将所有的gif图片搜索出来，然后全选、删除。如果转出来的文件很多，有数千甚至上万个文件的话，可以将下面几行：
@echo off
rem 正在搜索...
rem 删除文件
for /f "delims=" %%i in ('dir /b /a-d /s "*.gif"') do del %%i
rem 删除完毕
pause
复制到一个新建的文本文件，另存为.bat（批处理文件）格式，然后把这个bat文件放到要处理的文件夹中双击运行即可，它可以删除该文件夹及子文件夹中所有的gif文件。jpg、png、ico、css、js文件可以用同样的方法删除。如果是网页制作高手的话，可以把css留着，做些改编运用，mdict是支持css的。我不是高手，所以没这方面的经验。
　　如果图片是书中的内容，而你想留着的话，可以把这些图片保存到一个文件夹里。后来编辑mdx源文件的时候，要注意图片路径与实际位置的一致。如果图片分散在很多的子文件夹，而且又有重名的话，处理起来会很麻烦。

　　接下来是处理网页文件，如果网页都在同一个文件夹，我一般是将目录（一般是index.htm或000.htm）单独编辑，留下其中的链接，其他的全部用老马TextForever中的html>txt转为文本文件。这样做网页中的链接、表格、图片都会丢失，如果想保留这些东西的话，可以在用TextForever之前，用Ultrareplace5.02（支持正则、多项同时、批量替换）将其中的<a href="…">、</a>、<img src="…">、<table …>、<tr>、<td>、</td>、</table>全都转成诸如####a href="…"&&&&的样子，用TextForever将网页转成文本之后，再把其中的####替换成<、&&&&替换成>。
　　网页全部转成文本之后，接着用TextForevr的文件合并功能，将转出的文本文件合并成一个文件，注意要选中“在文件内容前加注文件名”这个选项。
　　接下来是编辑mdx源文本。源文件的格式很简单，就是形如：
条目1
内容……
……
……
</>
条目2
内容……
……
……
</>
　　其中的条目就是显示在索引里的名字，不会显示在正文中。内容里支持支持html标签（具体支持到什么程度我不清楚，我都是用最简单的），比如
“<br>”是换行；
“<a href="entry://链接到的条目">显示的内容</a> ”是链接；
“<h1>…</h1>”之类是标题，一共有六级标题，<h1>最大；
“<font color=blue size=5>…</font>”是字体样式；
“<p align=center>…</p>”是定义段落的显示位置。
有一点要说明的是连续的半角空格在显示时只会显示一个，文本中的换行在显示时也是一个半角空格，所以要注意加<br>。
　　不要用记事本或word，因为文件稍大点它们就会罢工，更重要的是它们不支持正则表达式。你可以用UltraEdit、Notepad++、Editplus、EmEditor（我常用这个），还有一个专注于查找替换的文本工具EditPad Pro，与PowerGrep（windows下最强大的文本查找处理工具）是同一家公司出品。关于正则表达式，你可看一篇名为《正则表达式30分钟入门教程》的文章，说是入门，其实所有的功能基本都在里面了，入门指的是熟悉规则，提高则需要熟用生巧。需要注意的是，各个文本编辑工具中的正则表达式版本并不相同（UltraEdit自身就提供了三种版本），使用的时候要留心，在这些工具中，如果你在查找替换对话框里选中了“正则表达式”这个选项的话，查找框的后面有一个向下的小箭头，点一下，就会列出正则表达式的元字符。EmEditor中的正则表达式与30分钟教程里介绍的基本是一致的。以上提到的这些文本编辑工具，都支持较大的文件，200M应该都是没有问题的，如果很大的话，可以使用终极工具PowerGrep，它不光可以替换，还可以收集数据、分割文件，据说支持上G的文件，虽然我没试过，但我信。它的价值还体现的它的价格上，要200多美元，注意是美元！不过网上有破解的，你可以搜“PowerGREP.v4.2.0.retail-iOTA”，下载后解压，直接运行里面的安装程序就行，它本身就是破解的，你不用再输序列号，或是运行keygen之类的东西。它是全英文的，目前还没有汉化版，我是用灵格斯摸索着用的。
　　合并后的文件中会有很多空行，在EmEditor中你可以用“^\s*(<br>)?\n”替换为“”（替换框里什么都不填）将空行去掉，你可用“\n”替换为“<br>\n”在所有的段落结尾加<br>，这两个步骤不分先后。然后，你可用“\n\s*”替换为“\n　　”把所有段落替换为首行缩进两个中文字符（这两个中文空格一般输不出来，你可以找个地方复制过来）。然后你可以把合并文件时插入的文件名，比如“　　D：\chm\001.txt<br>”（经过前两步多了段前空格和<br>）之类用“　　D：\\chm\\(.+?)\.txt<br>”替换为“</>\n史记\1”，替换出来的结果是：
</>
史记001
　　以上提到的那些编辑工具都支持录制宏，就是把步骤录下来，以后直接使用。可以把上面几个步骤录下来，编辑另外一本书的时候直接调用。（步骤必须是一模一样的才行，比如上面的替换名字，必须名字一样，这个宏才有用。）

　　替换后将第一个</>删掉，然后在最后一行加一个</>，</>要在独立的一行，前后不能有其他东西。把单独编辑好的目录复制到这个文本里（你可以找一个有目录的mdx，在电脑上用mdict查看，右键查看源代码就能看到它的源文件），一般粘贴在最前面，它的最后也要有一个</>。这样一个mdx源文本就编辑好了，保存之后，用mdxbuilder编译就行了。这个过程很快，1M、2M的源文本就是一贬眼的事，200M的源文本也只要1-2分钟。注意要在mdxbuilder中选择对应的编码类型，否则编译出来的会是乱码，源文本的编码类型在文本编辑器最下面的状态栏里可以看到，一般是GB2312或UTF-8无签名，在mdxbuilder中分别选GBK或UTF-8。

　　如果反编译出来的网页在很多个子文夹中，并且都是001.htm,002.htm……这样的样子，可以用批量重命名的工具，在这些文件名前面加上其文件夹的名字。推荐使用灵者更名（RenGod）5.03，这个工具漂亮、直观、功能强大，比论坛里介绍的菲菲更名要好用。（这是一个年纪不大的男孩写的软件，到5.03的时候，源代码丢了，他正在重写。）
批量命名之后，因为Textforever的合并不支持子文件夹，可以把
md htm
for /r %%i in (*.htm*) do move "%%i" "htm\%%~nxi"
另存为bat批处理文件，放在文件夹下运行，可以把文件夹及其子文件夹中所有的htm文件，转移到一个名为htm的文件夹中。然后用TextForever转化成文本，合并，再用文本编辑器编辑。

对于己有的mdx文件，如果想要修改的，可以用GetDict转出源文本，编辑之后，用mdxbuilder重新编译。

qiushui3000 · 发表于 2011-11-16 21:15:37

相当祥细精彩，标记一下收藏了楼主的几部作品一并感谢

zxpxg · 发表于 2011-11-16 23:01:53

老大很负责，很好。

louislaolu · 发表于 2011-11-17 09:03:18

我想把freegut 10in1中的某个别词典提取出来，用getdict后得到一个有两个G的文件，只能用ultraedit打开，想把其中的词典数据考出来，考了一部分后就报错，不给考了。想问问有什么办法了。

bnuliujitao · 发表于 2011-11-17 12:29:16

本帖最后由 bnuliujitao 于 2011-11-17 12:32 编辑

4# louislaolu

你可以试一下textforever的文件切分功能，先把它切成几个，然后再处理。如果不能复制的话，你可以备份原文件，试试把不需要的地方删掉。

或者试试emeditor，它有一个大文件控制功能，可以只打开文件的一部分。

efox · 发表于 2011-11-17 20:41:47

提一个小小的问题，读书软件一般触摸屏换页，至少翻页很方便，如果使用字典功能看书的话，看书功能好像稍微弱了一些。

jh1208 · 发表于 2012-3-17 11:02:12

老大很负责，很好!非常感谢！

冰雪消融 · 发表于 2012-5-15 14:54:34

谢谢分享，学习一下。

xjmar · 发表于 2012-5-27 12:09:11

已下载，谢谢分享！

奇奇 · 发表于 2012-7-3 13:09:09

已下载，谢谢分享！

michaelwww · 发表于 2012-8-13 01:47:52

学习了，多谢分享！

[教程] 电子书转mdx