象小编这样喜欢收集电子书的人应该不在少数吧，存了好几个G的电子书，却从来想不起去看。每次看到新出的书又忍不住下载，下载完就感觉好象已经看完了！
于是电子书越来越多，都不知道是什么书了。其实象epub这种文件本身就包含了书名和作者信息。用任何压缩软件都可以解压打开，会找到一个content.opf文件，里面的dc:title标签里就是书名，dc:creator通常是作者名
<metadata xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns:opf="http://www.idpf.org/2007/opf" xmlns:dcterms="http://purl.org/dc/terms/" xmlns:calibre="http://calibre.kovidgoyal.net/2009/metadata" xmlns:dc="http://purl.org/dc/elements/1.1/">
...
<dc:creator opf:file-as="桐华" opf:role="aut">桐华</dc:creator>
...
<dc:title>最美的时光</dc:title>
...
</metadata>
当然我们不会傻到每个epub文件都去解压去查信息。用Python不用解压就直接读取epub文件，然后取出信息就好了。
class EpubFile:
title = ""
creator = ""
content = ""
def __init__(self, file):
self.file = file
if zipfile.is_zipfile(file):
book = zipfile.ZipFile(file)
for f in book.filelist:
if '.opf' in f.filename: #有些epub不一定拥有content.opf, 可能叫package.opf
self.extract_meta()
opf文件是一个标准的xml, 我们用lxml加xpath就可以读出需要的信息。因为dc:title 需要namespace， 直接用上面例子里的
xmlns:dc="http://purl.org/dc/elements/1.1/"
方法如下
def extract_meta(self):
if self.content != "":
title = self.content.xpath('//dc:title', namespaces={'dc': "http://purl.org/dc/elements/1.1/"})
creator = self.content.xpath('//dc:creator', namespaces={'dc': "http://purl.org/dc/elements/1.1/"})
if len(title) > 0:
self.title = title[0].text
if len(creator) > 0:
self.creator = creator[0].text
拿到作者名和书名后就可以为所欲为了， 小编的作法是作者名为目录，用书名作文件名。这样的好处是如果有的书是一章一个文件的就可以存在同一目录了。
def rename(self, move_to_author_folder=False, top_folder=None):
if len(self.title) > 0:
print(f"{self.title}-{self.creator}")
try:
new_file = self.title.translate({ord(x): '' for x in '\/:*?"<>|'})
folder = os.path.dirname(self.file)
if move_to_author_folder:
new_folder = self.creator.translate({ord(x): '' for x in '\/:*?"<>|'})
if top_folder:
new_folder = os.path.join(top_folder, new_folder)
else:
new_folder = os.path.join(folder, new_folder)
if not os.path.exists(new_folder):
os.mkdir(new_folder)
shutil.move(self.file, os.path.join(new_folder, new_file + ".epub"))
else:
shutil.move(self.file, os.path.join(folder, new_file + ".epub"))
except Exception as e:
print(e)
else:
print(f"============== {self.file} do not have metadata ==========")
- 注意IO操作都是很容易出错的，用try..except是比较安全，而且不会影响后续操作。
- 书名中可能包含不适合做文件名的非法字符，比如‘/:*?"<>|’， 这个用translate方法可以删除。
- top_folder是用来递归的，象三层以上的文件夹，如果再加作者名做目录，嵌套就比较多了，容易出现重复文件，所以都移到顶层目录为好。
递归操作如下，非科班出身的同学注意下，就是函数调用本身, 只不过参数换成下一级目录了
def process_dir(folder, top_folder):
for file in os.listdir(folder):
file_path = os.path.join(folder, file)
if os.path.isdir(file_path):
process_dir(file_path, top_folder)
else:
if file.endswith(".epub"):
print(f"parsing {file}")
book = EpubFile(file_path)
book.rename(move_to_author_folder=True, top_folder=top_folder)
处理完了，文件夹非常清爽，可以安心去看电影书了
网友评论