想提取英文书籍 pdf、mobi 和 epub 中的目录（table of contents）的结构和内容有什么好的方法或现成的工具吗？

V2EX = way to explore

V2EX 是一个关于分享和探索的地方

For Existing Member Sign In

This topic created in 2551 days ago, the information mentioned may be changed or developed.

想提取目录内容请问有什么好的方法？工具？
求大佬明示？

5 replies • 2019-07-15 16:36:14 +08:00

colewp

May 10, 2019 via iPhone

iText 或者 Apache PDFBox，之前毕设做过类似项目

dsg001

May 10, 2019

以前用 python 写过，zipfile 打开 epub，lxml 解析 toc.ncx

zeroze

May 10, 2019 via iPhone

@dsg001 准确度大致怎么样啊？有什么坑吗？

dsg001

May 10, 2019

@zeroze 符合标准的 epub 无坑，偶尔有加密的无法读取，用 calibre 去除就行。

zeroze

Jul 15, 2019

自己研究了下，比较好的方法貌似是使用 mupdf 自带工具 mutool，具体操作有 stackoverflow 的帖子，自行搜索下
另外有坑 mutool 提取出来还需要洗
编码是 utf16 的