【Python】EPUBからデータを抽出する

漫画などの固定レイアウトEpubを目次付きPDFに変換するプログラムを作りたい、ということで
手始めに、ePubからメタデータや目次データ、画像データのパスなどを表示するプログラムをサンプルコードなどを参考に書いてみました。
EbookLibというPythonのライブラリを使っています。https://github.com/aerkalov/ebooklib
EbookLibの使い方の参考になれば幸いです。

	import ebooklib
	from ebooklib import epub, utils
	book = epub.read_epub('.<.epubファイルのパス>')
	# メタデータの読み込み
	# タイトル
	title = book.get_metadata('DC', 'title')
	print('タイトル:', title)
	# 執筆者
	creator = book.get_metadata('DC', 'creator')
	print('執筆者:', creator)
	# 発行者
	publisher = book.get_metadata('DC', 'publisher')
	print('発行者:', publisher)
	# 言語
	language = book.get_metadata('DC', 'language')
	print('言語:', language)
	# 発行日
	date = book.get_metadata('DC', 'date')
	print('発行日:', date)
	print('==================================')
	# 目次(Table of contents)
	for item in book.toc:
	print(item.title, item.href)
	print('==================================')
	# カバー画像
	cover_image = list(book.get_items_of_type(ebooklib.ITEM_COVER))[0]
	print('カバー画像 : ', cover_image.get_name())
	print('==================================')
	# ページ画像
	for item in book.get_items_of_type(ebooklib.ITEM_DOCUMENT):
	body = utils.parse_html_string(item.get_body_content())
	for elem in body.iter():
	if 'xlink:href' in elem.attrib:
	print(item.get_name(), ':', elem.attrib.get('xlink:href'))

view raw epub_read.py hosted with ❤ by GitHub

出力例：

参考：https://qiita.com/po3rin/items/80053c20048ef8e4b6c5

Pythonで電子書籍フォーマットのEPUBからデータを抽出してみる - Qiita

仕事で電子書籍フォーマットであるEPUBからデータを抽出する必要があったので、調べたところ ebooklib　といライブラリが便利そう。使ってみたので軽く紹介。

【追記】
他にもEpubのメタデータを扱う便利なパッケージがありました。
epub-metaです。https://github.com/paulocheque/epub-meta
これなら数行で著者情報と目次データを抽出できます。

	import epub_meta
	from pprint import pprint
	import xml.etree.ElementTree as ET
	# 作者情報や目次などのメタデータ
	book = epub_meta.get_epub_metadata('.<.epubファイルのパス>', read_cover_image=False, read_toc=True)
	pprint(book)
	# 画像データのパス
	opf_xml = epub_meta.get_epub_opf_xml(epub_path)
	image_paths = [[],[]]
	manifest = ET.fromstring(opf_xml.decode()).find('.//{{{0}}}manifest'.format('http://www.idpf.org/2007/opf'))
	for item in manifest.findall('.//{{{0}}}item'.format('http://www.idpf.org/2007/opf')):
	if item.attrib['media-type'] == 'application/xhtml+xml':
	image_paths[0].append(item.attrib['href'])
	if item.attrib['media-type'] == 'image/jpeg':
	image_paths[1].append(item.attrib['href'])
	for path in list(map(list, zip(*image_paths))):
	if path[0].startswith(('Text/part', 'text/p-')):
	print(path[0], ':', path[1])

view raw epub_read2.py hosted with ❤ by GitHub

出力例：

続き

【Python】img2pdfを使って複数画像をPDFに変換する

前回 からだいぶ時間が経ちましたが、目標である「漫画などの固定レイアウトEpubを目次付きPDFに変換するプログラムを作る」を達成するため、今回は前段階として、Pythonで連番を付けた複数画像ファイルをPDFに変換する方法を検討しました。 PythonのPDF関連のライブラ...