转换繁体EPUB文件为简体

标签：folder   remove   xhtml   main   %s   解压   make   key   查询   

转换繁体EPUB文件为简体

最近看一本电子书，打开文件后发现内容全都是繁体中文，虽然大部分文字都认识，但看起来还是很费劲，所以想着把文件转换成简体的中文。

epub文件格式

这种文件本身就是一个zip文件，只是后缀为epub，通常文件包含了三部分：

1. mimetype
2. META-INF文件夹
3. OEBPS文件夹，里面包含了images，xhtml(电子书正文的内容)，css文件等

现在需要把 xhtml 文件中的繁体中文转换成简体，这里选择了 opencc 库，可以通过python调用转换文本。opencc 项目地址：https://github.com/BYVoid/OpenCC

按照说明安装依赖，先将文件解压，找到需要修改的xhtml文件，转换成简体中文，重新压缩，具体代码如下：

# 将电子书中的繁体中文转换为简体中文
import opencc
import os
import zipfile
import shutil


def test_convert():
    """
     s2t.json Simplified Chinese to Traditional Chinese 簡體到繁體
    t2s.json Traditional Chinese to Simplified Chinese 繁體到簡體
    """
    converter = opencc.OpenCC(‘s2t.json‘)
    print(converter.convert(‘汉字acb‘))  # 漢字

    converter = opencc.OpenCC(‘t2s.json‘)
    print(converter.convert(‘漢字123‘))  # 漢字


def unzip_dir(zipfilename, unzipdirname):
    """解压zip文件"""
    fullzipfilename = os.path.abspath(zipfilename)
    fullunzipdirname = os.path.abspath(unzipdirname)
    print("Start to unzip file %s to folder %s ..." % (zipfilename, unzipdirname))
    # Check input ...
    if not os.path.exists(fullzipfilename):
        print("Dir/File %s is not exist, Press any key to quit..." % fullzipfilename)
        inputStr = input()
        return
    if not os.path.exists(fullunzipdirname):
        os.mkdir(fullunzipdirname)
    else:
        if os.path.isfile(fullunzipdirname):
            print("File %s is exist, are you sure to delet it first ? [Y/N]" % fullunzipdirname)
            while 1:
                inputStr = input()
                if inputStr == "N" or inputStr == "n":
                    return
                else:
                    if inputStr == "Y" or inputStr == "y":
                        os.remove(fullunzipdirname)
                        print("Continue to unzip files ...")
                        break

                        # Start extract files ...
    srcZip = zipfile.ZipFile(fullzipfilename, "r")
    for eachfile in srcZip.namelist():
        if eachfile.endswith(‘/‘):
            # is a directory
            print(‘Unzip directory %s ...‘ % eachfilename)
            os.makedirs(os.path.normpath(os.path.join(fullunzipdirname, eachfile)))
            continue
        print("Unzip file %s ..." % eachfile)
        eachfilename = os.path.normpath(os.path.join(fullunzipdirname, eachfile))
        eachdirname = os.path.dirname(eachfilename)
        if not os.path.exists(eachdirname):
            os.makedirs(eachdirname)
        fd = open(eachfilename, "wb")
        fd.write(srcZip.read(eachfile))
        fd.close()
    srcZip.close()
    print("Unzip file succeed!")


def zip_dir(dirname,zipfilename):
    filelist = []
    if os.path.isfile(dirname):
        filelist.append(dirname)
    else :
        for root, dirs, files in os.walk(dirname):
            for dir in dirs:
                filelist.append(os.path.join(root,dir))
            for name in files:
                filelist.append(os.path.join(root, name))

    zf = zipfile.ZipFile(zipfilename, "w", zipfile.zlib.DEFLATED)
    for tar in filelist:
        arcname = tar[len(dirname):]
        #print arcname
        zf.write(tar,arcname)
    zf.close()


def convert_file_to_chinese(file_path):
    """按行读取文件，存储到list集合中，转换元素的语言(繁体->简体)，将结果写回到文件中"""
    file_lines = []
    converter = opencc.OpenCC(‘t2s.json‘)

    with open(file_path, mode=‘r‘, encoding=‘utf-8‘) as f:
        for line in f.readlines():
            file_lines.append(converter.convert(line))

    with open(file_path, mode=‘w‘, encoding=‘utf-8‘) as f:
        f.writelines(file_lines)


def convert_epub_simplified(file_path):
    """将epub文件转繁体换成简体"""
    if not (os.path.exists(file_path) or os.path.isfile(file_path)):
        raise Exception("请检查文件路径：{}", file_path)

    dir_name, file_name = os.path.split(file_path)
    unzip_dir_path = dir_name + "\\unzip"
    unzip_dir(epub_file_path, unzip_dir_path)

    files = find_content_files(unzip_dir_path)
    for file in files:
        convert_file_to_chinese(file)
    new_file_name = file_name[0:file_name.rindex(".")] + "-简体.epub"
    new_epub_file_path = os.path.join(dir_name, new_file_name)

    zip_dir(unzip_dir_path, new_epub_file_path)
    # os.remove(unzip_dir_path)
    shutil.rmtree(unzip_dir_path)


def find_content_files(folder_path):
    """查询文件夹中所有需要修改的文件的路径，返回路径的列表
    只转换epub文件的内容，搜索后缀为 ‘xhtml‘ 的文件
    """
    result_files = []
    for root, dirs, files in os.walk(folder_path):
        # for dir in dirs:
        #     filelist.append(os.path.join(root, dir))
        for name in files:
            if name.endswith(‘xhtml‘):
                result_files.append(os.path.join(root, name))

    return result_files


if __name__ == ‘__main__‘:
    # 测试繁体简体转换
    # test_convert()
    epub_file_path = "D:\\WorkSpace\\epub_file\\40%的工作沒意義，為什麼還搶著做？.epub"
    convert_epub_simplified(epub_file_path)

参考内容：

https://www.jianshu.com/p/d2edab6750df

https://blog.csdn.net/weixin_42108054/article/details/112963816

https://blog.csdn.net/weixin_39640444/article/details/110381545

转换繁体EPUB文件为简体

标签：folder   remove   xhtml   main   %s   解压   make   key   查询   

原文地址：https://www.cnblogs.com/zhuliang2222/p/14966074.html