什么是 EPUB

EPUB（Electronic Publication）是一种电子图书标准，由国际数字出版论坛（IDPF）提出，属于一种可以“自动重新排版”的内容；也就是文字内容可以根据阅读设备的特性，以最适于阅读的方式显示。它的文件扩展名为 .epub。

EPUB 的组成

EPUB 文件内部使用了 XHTML 或 DTBook（一种由 DAISY Consortium 提出的 XML 标准）来展现文字，并以 ZIP 压缩格式来打包文件内容。因此我们可以通过解压缩的方式来了解 EPUB 的构成。

下面这个是我从某电子书网站下载的两个 EPUB 文件解压图：

EPUB 目录结构 1
EPUB 目录结构 2

EPUB 的标准和规范一直在迭代，目录也有所差异，但文件组成是大同小异的，下面将逐一介绍各文件的作用。

MIMETYPE

它的文件名就是 mimetype，无文件扩展名，用于描述 EPUB 的 MIME，所以它的内容只有一行：

application/epub+zip

META-INF

用于存放特定文件，默认情况下里面只有一个 container.xml 文件，用于描述 OPF 的存放位置。由于 EPUB 的制作差异，META-INF 文件夹还可能包含数字签名和加密信息等文件，Java 开发者对这个目录应该不陌生。

container.xml 文件如下：

<?xml version="1.0"?>
<container version="1.0" xmlns="urn:oasis:names:tc:opendocument:xmlns:container">
   <rootfiles>
      <rootfile full-path="content.opf" media-type="application/oebps-package+xml"/>
   </rootfiles>
</container>

该文件是必定存在的，它相当于是 EPUB 系统的指路牌。

OPF

OPF 文件是 EPUB 规范中最复杂的元数据，它用来定义 OPS 一系列内容组合到一起的机制。

常用的文件名是 content.opf，当然也可以是其他，但文件扩展名必须是 .opf，它内部其实是一个标准的 XML，下面是一个例子。

<?xml version='1.0' encoding='utf-8'?>
<package xmlns="http://www.idpf.org/2007/opf" version="2.0" unique-identifier="uuid_id">
    <metadata xmlns:opf="http://www.idpf.org/2007/opf" xmlns:dc="http://purl.org/dc/elements/1.1/">
        <dc:title>不连续杀人事件</dc:title>
        <dc:creator>坂口安吾</dc:creator>
        <dc:description>不连续杀人事件</dc:description>
        <dc:language>zh-cn</dc:language>
        <dc:date></dc:date>
        <dc:contributor>COAY.COM [http://www.coay.com]</dc:contributor>
        <dc:publisher>COAY.COM</dc:publisher>
        <dc:identifier id="uuid_id" opf:scheme="uuid">8337</dc:identifier>
        <dc:subject>不连续杀人事件</dc:subject>
    </metadata>
    <manifest>
        <item href="article_381876.html" id="id381876" media-type="application/xhtml+xml"/>
        <item href="article_381877.html" id="id381877" media-type="application/xhtml+xml"/>
        <item href="article_381878.html" id="id381878" media-type="application/xhtml+xml"/>
        <item href="article_381879.html" id="id381879" media-type="application/xhtml+xml"/>
        <item href="article_381880.html" id="id381880" media-type="application/xhtml+xml"/>
        <item href="article_381881.html" id="id381881" media-type="application/xhtml+xml"/>
        <item href="article_381882.html" id="id381882" media-type="application/xhtml+xml"/>
        <item href="article_381883.html" id="id381883" media-type="application/xhtml+xml"/>
        <item href="article_381884.html" id="id381884" media-type="application/xhtml+xml"/>
        <item href="article_381885.html" id="id381885" media-type="application/xhtml+xml"/>
        <item href="article_381886.html" id="id381886" media-type="application/xhtml+xml"/>
        <item href="article_381887.html" id="id381887" media-type="application/xhtml+xml"/>
        <item href="catalog.html" id="catalog" media-type="application/xhtml+xml"/>
        <item href="cover.jpg" id="cover" media-type="image/jpeg"/>
        <item href="coay.jpg" id="ad" media-type="image/jpeg"/>
        <item href="stylesheet.css" id="css" media-type="text/css"/>
        <item href="titlepage.xhtml" id="titlepage" media-type="application/xhtml+xml"/>
        <item href="page.xhtml" id="page" media-type="application/xhtml+xml"/>
        <item href="toc.ncx" media-type="application/x-dtbncx+xml" id="ncx"/>
    </manifest>
    <spine toc="ncx">
        <itemref idref="titlepage"/>
        <itemref idref="page"/>
        <itemref idref="catalog"/>
        <itemref idref="id381876"/>
        <itemref idref="id381877"/>
        <itemref idref="id381878"/>
        <itemref idref="id381879"/>
        <itemref idref="id381880"/>
        <itemref idref="id381881"/>
        <itemref idref="id381882"/>
        <itemref idref="id381883"/>
        <itemref idref="id381884"/>
        <itemref idref="id381885"/>
        <itemref idref="id381886"/>
        <itemref idref="id381887"/>
        <itemref idref="page"/>
    </spine>
    <guide>
        <reference href="titlepage.xhtml" type="cover" title="封面"/>
        <reference href="catalog.html" type="toc" title="目录"/>
    </guide>
</package>

它由四个部分组成：

<metadata>：元数据信息。包含书名、作者、出版社等信息，其中 <dc:title> 和 <dc:identifier> 这两个数据是必须的。按照 EPUB 规范，<dc:identifier> 由数字图书的创建者定义，必须唯一，对于图书出版商来说，这个字段一般包括 ISBN 或者 Library of Congress 编号。
<manifest>：文件列表。列出电子书中包含的资源文件（HTML、CSS、NCX、图片等），它的每一子项都包含了文件 ID、相对路径以及媒体类型。
<spine>：文档线性阅读顺序。其中 toc 属性指向 <manifest> 中 .ncx 文件的 id，子项的 idref 属性同样指向 <manifest> 中的文件 id。
<guide>：电子书指引页。比如封面、目录、序言等，通过 href 属性指向文件路径。

NCX

NCX 定义了数字图书的目录表，复杂的图书中，目录表通常采用层次结构，包括嵌套的内容、章节等。

它的文件名通常是 toc.ncx，是一个逻辑目录，内部也是一个标准的 XML，下面是一个例子。

<?xml version='1.0' encoding='utf-8'?>
<ncx xmlns="http://www.daisy.org/z3986/2005/ncx/" version="2005-1">
    <head>
        <meta name="dtb:uid" content="coay_8337"/>
        <meta name="dtb:depth" content="2"/>
        <meta name="dtb:generator" content="COAY.COM [http://www.coay.com]"/>
        <meta name="dtb:totalPageCount" content="0"/>
        <meta name="dtb:maxPageNumber" content="0"/>
    </head>
    <docTitle><text>不连续杀人事件</text></docTitle>
    <docAuthor><text>坂口安吾</text></docAuthor>
    <navMap>
        <navPoint class="chapter" id="article_381876" playOrder="1">
            <navLabel><text>第一章 丑恶万分的人际关系（1）</text></navLabel>
            <content src="article_381876.html"/>
        </navPoint>
        <navPoint class="chapter" id="article_381877" playOrder="2">
            <navLabel><text>第一章 丑恶万分的人际关系（2）</text></navLabel>
            <content src="article_381877.html"/>
        </navPoint>
        <navPoint class="chapter" id="article_381878" playOrder="3">
            <navLabel><text>第二章 意外的访客</text></navLabel>
            <content src="article_381878.html"/>
        </navPoint>
        <navPoint class="chapter" id="article_381879" playOrder="4">
            <navLabel><text>第三章 不速之客</text></navLabel>
            <content src="article_381879.html"/>
        </navPoint>
        <navPoint class="chapter" id="article_381880" playOrder="5">
            <navLabel><text>第四章 第一位被害者</text></navLabel>
            <content src="article_381880.html"/>
        </navPoint>
        <navPoint class="chapter" id="article_381881" playOrder="6">
            <navLabel><text>第五章 猫 铃（1）</text></navLabel>
            <content src="article_381881.html"/>
        </navPoint>
        <navPoint class="chapter" id="article_381882" playOrder="7">
            <navLabel><text>第五章 猫 铃（2）</text></navLabel>
            <content src="article_381882.html"/>
        </navPoint>
        <navPoint class="chapter" id="article_381883" playOrder="8">
            <navLabel><text>第六章 第二桩案件</text></navLabel>
            <content src="article_381883.html"/>
        </navPoint>
        <navPoint class="chapter" id="article_381884" playOrder="9">
            <navLabel><text>第七章 身为侦探小说迷的老政客</text></navLabel>
            <content src="article_381884.html"/>
        </navPoint>
        <navPoint class="chapter" id="article_381885" playOrder="10">
            <navLabel><text>第八章 唯一的不在场证明</text></navLabel>
            <content src="article_381885.html"/>
        </navPoint>
        <navPoint class="chapter" id="article_381886" playOrder="11">
            <navLabel><text>第九章 火葬归途</text></navLabel>
            <content src="article_381886.html"/>
        </navPoint>
        <navPoint class="chapter" id="article_381887" playOrder="12">
            <navLabel><text>第十章 疯子大集合</text></navLabel>
            <content src="article_381887.html"/>
        </navPoint>
    </navMap>
</ncx>

它有如下几个部分组成：

<head>：该标签内主要包含四个 <meta> 元素：
- dtb:uid：数字图书唯一 ID。一般和 OPF 中的 <dc:identifier> 对应。
- dtb:depth：反映目录表中的层次深度。
- dtb:totalPageCount：仅用于纸质图书，保留 0 即可。
- dtb:maxPageNumber：仅用于纸质图书，保留 0 即可。
<docTitle>：图书标题。一般和 OPF 中的 <dc:title> 对应。
<docAuthor>：图书作者。一般和 OPF 中的 <dc:creator> 对应。
<navMap>：图书目录。包含多个 <navPoint>，内部又包含下列元素：
- playOrder：文档阅读顺序。和 OPF 中 <spine> 的子项顺序相同。
- <navLabel>：章节标题。
- <content>：指向文件路径。和 OPF 中 <manifest> 子项配置的路径一致。

资源文件

除了上面介绍的几个重要文件外，剩下的几乎都是资源文件。包括 HTML/XHTML、CSS、JPG、PNG、SVG 等等。HTML/XHTML 则是书籍的内容，里面会引用 CSS 和图片等。

这些文件没有明确的路径要求（事实上除了 mimetype 和 container.xml 两个文件有明确的要求外，其他文件都没有明确的路径要求），这也是为什么文章开头的两个 EPUB 目录会相差这么大。

OPF `<spine>` 和 NCX `<navMap>` 的区别

两个文件都描述了文档的顺序和内容，这很容易混淆。

OPF <spine> 描述了书中各个章节是如何实际连接起来的，比方说翻过第一章最后一页就到第二章第一页。

NCX <navMap> 在图书一开始描述目录。目录肯定会包含书中主要的章节，但是还可能包含没有单独分页的小节。

NCX 包含的 <navPoint> 元素通常比 OPF <spine> 中的 itemref 元素多。一般情况下，<spine> 中的所有项都会出现在 NCX 中，但 NCX 可能更详细。

开发

基于以上知识，你完全可以自行构建一本 EPUB 电子书了。所以在此我不打算介绍 EPUB 的制作流程。

简单说一下 EPUB 阅读器的制作。

由上面的介绍得知，EPUB 内容是依靠 HTML/XHTML 渲染的，以 Android 为例，我们就可以借助 WebView 加载。

首先需要解压 EPUB 文件，取出 META-INF 中的 container.xml 文件，解析获取 OPF 文件路径，再取出 OPF 文件进行解析，获取元数据、资源、阅读顺序等信息，最后将 HTML/XHTML 按顺序交给 WebView 加载。

因为上面介绍的配置文件基本都是 XML，你可以借助之前介绍的 Dom4J 完成解析。

如果需要交互功能，可以向 WebView 中注入 JavaScript 来完成。

浅析 EPUB 结构