Python技巧大全

游戏通关,电影看完,是时候用Python整理下电子书了

2020-02-06  本文已影响0人  DigiHacker

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 ==========")

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

上一篇下一篇

猜你喜欢

热点阅读