65 lines
2.1 KiB
Python
65 lines
2.1 KiB
Python
def parse_opf(filepath):
|
||
"""
|
||
兼容旧代码的顶层函数，实际调用 OPFParser.parse_opf。
|
||
"""
|
||
return OPFParser.parse_opf(filepath)
|
||
|
||
"""
|
||
opf_parse.py (OOP版)
|
||
-------------------
|
||
功能：
|
||
- 解析EPUB电子书的OPF文件，提取manifest部分所有id对应的html文件href。
|
||
- 支持通过id快速查找href。
|
||
- 支持批量测试。
|
||
依赖：BeautifulSoup4
|
||
主要接口：OPFParser
|
||
- parse_opf(filepath)：静态方法，返回id->href映射（仅html文件）。
|
||
"""
|
||
from collections import defaultdict
|
||
from bs4 import BeautifulSoup
|
||
|
||
class OPFParser:
|
||
@staticmethod
|
||
def parse_opf(filepath):
|
||
"""
|
||
解析OPF文件，返回{id: href}的defaultdict(dict)结构。
|
||
仅保留href以.html结尾的项。
|
||
参数：
|
||
filepath (str): OPF文件路径
|
||
返回：
|
||
defaultdict(dict): id到href的映射（仅html文件）
|
||
"""
|
||
result = defaultdict(dict)
|
||
with open(filepath, 'r', encoding='utf-8') as f:
|
||
soup = BeautifulSoup(f, 'xml')
|
||
manifest = soup.find('manifest')
|
||
if manifest:
|
||
for item in manifest.find_all('item'):
|
||
id_ = item.get('id')
|
||
href = item.get('href')
|
||
if id_ and href and href.strip().lower().endswith('html'):
|
||
result[id_] = href
|
||
return result
|
||
|
||
|
||
if __name__ == "__main__":
|
||
test_files = [
|
||
'./examples/epub_format_2/OEBPS/content.opf',
|
||
'./examples/epub_format_4/item/standard.opf',
|
||
'./examples/epub_format_3/OEBPS/content.opf',
|
||
'./examples/epub_format_1/content.opf',
|
||
]
|
||
for file in test_files:
|
||
print(f"\n==== 测试文件: {file} ====")
|
||
try:
|
||
result = OPFParser.parse_opf(file)
|
||
|
||
# 增加通过id快速打印href的测试
|
||
test_ids = list(result.keys())[:3] # 取前三个id做演示
|
||
for test_id in test_ids:
|
||
print(f"id: {test_id} -> href: {result[test_id]}")
|
||
|
||
except Exception as e:
|
||
print(f"解析失败: {e}")
|
||
|