KindleUnpack - Python解压Amazon / Kindlegen生成的电子书

2024-06-17 08:52

本文主要是介绍KindleUnpack - Python解压Amazon / Kindlegen生成的电子书,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

文章目录

    • 关于 KindleUnpack
    • 使用
      • 选项


关于 KindleUnpack

  • github : https://github.com/kevinhendricks/KindleUnpack

KindleUnpack 是基于python的软件来解压Amazon / Kindlegen生成的电子书

KindleUnpack将非drm Kindle/MobiPocket电子书解压到其组件中 根据正在处理的Kindle/Mobi电子书的类型有哪些变化

  • MobiPocket和早期的Kindle版本7或更低版本的电子书 被解压缩到原始的html 3.2 和 图像文件夹中,然后可以由MobiPoketCreator编辑和重新处理。
  • Kindle Print Replica 电子书被解包为原始PDF和任何相关的图像。
  • 仅Kindle KF8电子书(.azw3)被解包成类似epub的结构,该结构可能是也可能不是完全有效的epub,这取决于是否最初向kindlegen提供了完全有效的epub作为输入。
    注:生成的epub应使用epub验证器进行验证,如果需要更改,应正确加载到Sigil和Calibre中,其中任何一个都可用于编辑结果以创建完全有效的epub。
  • 新版Kindle电子书同时包含KF8和旧版,分为两个不同的部分:第一部分是旧版的MobiPocket格式电子书,第二部分是类似epub的结构,可以使用Sigil进行编辑。

使用

KindleUnpack程序需要Python 2.7。X或Python 3.4或更高版本才能正常运行。

在Windows机器上,我们强烈建议您安装ActiveState的免费版本 活动Python 2.7。X或3.4。X或更高版本,因为它可以正确安装所有必需的部件 包括tk小部件工具包,并更新Windows机器上的系统路径。官方的 来自python.org的installer有时不能正确处理Windows机器的此问题。

在Mac OS X 10.6及以后的和几乎所有最近的Linux版本,必需的版本 的Python已经作为官方操作系统安装的一部分安装,所以Mac OS X和 Linux用户不需要额外安装任何东西。

要安装KindleUnpack,只需在您的机器上找到一个合适的位置并完全解压缩它。

如果您更喜欢命令行界面,只需查看KindleUnpack的“lib” 文件夹,用于存放KindleUnpack.py python程序及其支持模块。
你应该 然后可以通过以下命令运行 KindleUnpack.py:

python kindleunpack.py [-r -s -d -h -i] [-p APNX_FILE] INPUT_FILE OUTPUT_FOLDER

你替换的地方:

INPUT_FILE — 所需Kindle/MobiPocket电子书的路径

OUTPUT_FOLDER — 电子书将被解包的文件夹路径


选项

  • -h 打印帮助信息
  • -i 使用HDImages覆盖低分辨率版本(如果存在)
  • -s 拆分组合mobi为老mobi和mobi KF8电子书
  • -p APNX_FILE .apnx文件的路径,该文件包含关联的实际页码 使用azw3电子书(可选)。注意:许多apnx文件都有 任意分配的页面偏移量会混淆KindleUnpack 如果使用
  • --epub_version= 指定要解压缩的EPUB版本为:2,3或A(自动)或 F表示Force to EPUB2,默认值为2
  • -r 将原始数据写入输出文件夹
  • -d 转储头和其他调试信息到输出和额外的文件

请报告任何错误或评论/请求我们的粘性论坛在Mobileread网站。

查看电子书格式 > Kindle格式 > KindleUnpack (MobiUnpack)。


2024-06-14(五)

这篇关于KindleUnpack - Python解压Amazon / Kindlegen生成的电子书的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1068999

相关文章

python: 多模块(.py)中全局变量的导入

文章目录 global关键字可变类型和不可变类型数据的内存地址单模块(单个py文件)的全局变量示例总结 多模块(多个py文件)的全局变量from x import x导入全局变量示例 import x导入全局变量示例 总结 global关键字 global 的作用范围是模块(.py)级别: 当你在一个模块(文件)中使用 global 声明变量时,这个变量只在该模块的全局命名空

AI一键生成 PPT

AI一键生成 PPT 操作步骤 作为一名打工人,是不是经常需要制作各种PPT来分享我的生活和想法。但是,你们知道,有时候灵感来了,时间却不够用了!😩直到我发现了Kimi AI——一个能够自动生成PPT的神奇助手!🌟 什么是Kimi? 一款月之暗面科技有限公司开发的AI办公工具,帮助用户快速生成高质量的演示文稿。 无论你是职场人士、学生还是教师,Kimi都能够为你的办公文

【Python编程】Linux创建虚拟环境并配置与notebook相连接

1.创建 使用 venv 创建虚拟环境。例如,在当前目录下创建一个名为 myenv 的虚拟环境: python3 -m venv myenv 2.激活 激活虚拟环境使其成为当前终端会话的活动环境。运行: source myenv/bin/activate 3.与notebook连接 在虚拟环境中,使用 pip 安装 Jupyter 和 ipykernel: pip instal

pdfmake生成pdf的使用

实际项目中有时会有根据填写的表单数据或者其他格式的数据,将数据自动填充到pdf文件中根据固定模板生成pdf文件的需求 文章目录 利用pdfmake生成pdf文件1.下载安装pdfmake第三方包2.封装生成pdf文件的共用配置3.生成pdf文件的文件模板内容4.调用方法生成pdf 利用pdfmake生成pdf文件 1.下载安装pdfmake第三方包 npm i pdfma

poj 1258 Agri-Net(最小生成树模板代码)

感觉用这题来当模板更适合。 题意就是给你邻接矩阵求最小生成树啦。~ prim代码:效率很高。172k...0ms。 #include<stdio.h>#include<algorithm>using namespace std;const int MaxN = 101;const int INF = 0x3f3f3f3f;int g[MaxN][MaxN];int n

poj 1287 Networking(prim or kruscal最小生成树)

题意给你点与点间距离,求最小生成树。 注意点是,两点之间可能有不同的路,输入的时候选择最小的,和之前有道最短路WA的题目类似。 prim代码: #include<stdio.h>const int MaxN = 51;const int INF = 0x3f3f3f3f;int g[MaxN][MaxN];int P;int prim(){bool vis[MaxN];

poj 2349 Arctic Network uva 10369(prim or kruscal最小生成树)

题目很麻烦,因为不熟悉最小生成树的算法调试了好久。 感觉网上的题目解释都没说得很清楚,不适合新手。自己写一个。 题意:给你点的坐标,然后两点间可以有两种方式来通信:第一种是卫星通信,第二种是无线电通信。 卫星通信:任何两个有卫星频道的点间都可以直接建立连接,与点间的距离无关; 无线电通信:两个点之间的距离不能超过D,无线电收发器的功率越大,D越大,越昂贵。 计算无线电收发器D

【机器学习】高斯过程的基本概念和应用领域以及在python中的实例

引言 高斯过程(Gaussian Process,简称GP)是一种概率模型,用于描述一组随机变量的联合概率分布,其中任何一个有限维度的子集都具有高斯分布 文章目录 引言一、高斯过程1.1 基本定义1.1.1 随机过程1.1.2 高斯分布 1.2 高斯过程的特性1.2.1 联合高斯性1.2.2 均值函数1.2.3 协方差函数(或核函数) 1.3 核函数1.4 高斯过程回归(Gauss

hdu 1102 uva 10397(最小生成树prim)

hdu 1102: 题意: 给一个邻接矩阵,给一些村庄间已经修的路,问最小生成树。 解析: 把已经修的路的权值改为0,套个prim()。 注意prim 最外层循坏为n-1。 代码: #include <iostream>#include <cstdio>#include <cstdlib>#include <algorithm>#include <cstri

【生成模型系列(初级)】嵌入(Embedding)方程——自然语言处理的数学灵魂【通俗理解】

【通俗理解】嵌入(Embedding)方程——自然语言处理的数学灵魂 关键词提炼 #嵌入方程 #自然语言处理 #词向量 #机器学习 #神经网络 #向量空间模型 #Siri #Google翻译 #AlexNet 第一节:嵌入方程的类比与核心概念【尽可能通俗】 嵌入方程可以被看作是自然语言处理中的“翻译机”,它将文本中的单词或短语转换成计算机能够理解的数学形式,即向量。 正如翻译机将一种语言