TA的每日心情 | 开心
2020-4-3 10:17 |
|---|
签到天数: 1 天 [LV.1]初来乍到
|
本帖最后由 bnuliujitao 于 2011-11-16 11:48 编辑 / \0 Z8 I9 g- t. ~# X. x" b8 c
7 ?! F' P. B/ T+ r' g: |" S2 { 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。
& [; y( K8 k. \8 m! ~( |% A. e( B2 M' ^ 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。" V' x. k0 e! }$ g6 o4 z5 U
: x1 K: Z+ u; s& X0 p, { 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。
. o' c5 Q, b7 c3 j. P) _ 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。' t% e7 @9 w# W: B0 {# }- I2 q: r/ ]
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：3 O+ k' s7 a# ^. o' L7 U: v
@echo off
7 V& E& e+ e' x) ^1 M! ~# }" L0 vrem 正在搜索...) E o3 J: e8 t" p, H
rem 删除文件
9 M/ ^; O$ a4 b8 U3 \' f6 ffor /f "delims=" %%i in ('dir /b /a-d /s "*.gif"') do del %%i+ x0 Z7 [7 a+ u6 ^1 ?! p7 ~; U
rem 删除完毕# Q1 M4 z; A6 G. t2 L
pause
y7 t5 `$ a7 S! ]7 w. B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。
5 M' d) n' Q3 B+ ?1 h5 P 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。- w& S! |, w' K! G! \
- F$ h) H0 E3 Q1 Y. F. S* }1 A3 }
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>。
8 @& [$ b$ s1 |% w% f 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。* r+ T# Z7 G3 m8 A4 ?
接下来是编辑mdx源文本。源文件的格式很简单，就是形如：
e- w" u3 g$ a8 S1 H/ ?7 `条目1
+ J2 l$ o' f( a' F+ `内容……
0 P0 _( ~# t+ C……4 _5 B& D" G- T$ {3 @
……
9 d! F* ^) \% H' j4 }! y m</>1 r1 u/ p- D, O6 i) w6 j
条目26 _" D0 s1 h% Z6 \' [
内容……2 X# Y- g: B! Y( F
……! S$ R x0 s8 r0 u* ~0 n. W
……2 C, A1 ^* s, F# ]. ]1 O3 [
</>
1 ]8 C& g2 h" f5 e* y 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
) {8 Y- w V/ ]( m" c4 t“<br>”是换行；% [2 y( m) B' E
“<a href="entry://链接到的条目">显示的内容</a> ”是链接；
) R; H# T# u; ~3 @8 v5 O1 ]6 }“<h1>…</h1>”之类是标题，一共有六级标题，<h1>最大；3 p2 D: x0 Q% @# {2 r8 t! Q
“<font color=blue size=5>…</font>”是字体样式；
" o% ]4 d. S% H1 h6 O* ]# j“<p align=center>…</p>”是定义段落的显示位置。# o' Q! g3 O1 j& {
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>。
' n8 `) c/ u' {, X0 g8 k# P; w 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。9 N/ `& k1 z6 I2 o1 }9 h
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：' K1 _. p9 T3 J+ e1 y
</>! D' q$ c. W& e1 C& u
史记001, ], L; V ]# [
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。）8 ^/ }$ I0 _7 ~. G
2 E( ^" }! V" w* X 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。2 A0 [# @, ?$ w, S5 I
7 p- a+ [0 P+ u
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。）
! Z5 {1 G2 _0 i8 E. s批量命名之后，因为Textforever的合并不支持子文件夹，可以把: |6 O+ s0 H9 m- m! i" s
md htm
& k3 Z# K1 D( [for /r %%i in (*.htm*) do move "%%i" "htm\%%~nxi"0 T+ c# @+ s- m2 o" Q/ C8 A3 v3 t
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。- F, y" S4 i" K/ S. @
$ g8 }9 P! o& r5 K" g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。 |
本帖子中包含更多资源
您需要 登录 才可以下载或查看，没有账号？免费注册
x
|
发表于 2011-11-16 11:34:08
楼主
