电子书格式探秘

1. epub格式我们非常熟悉，就是pk公司的压缩软件压制而成，所以可以用：右键-->打开方式-->压缩软件（很多种内核应该都差不多），开放使用，但核心是顶级机密的。我们不用也分析不了。
2.   mobi格式的（仅就英文文本和未加密的文档而言）相对比较压缩比较简单，有时我们看一眼也能猜到是什么内容，mobi的文本压缩大致如下：
        a. 英文：开始时一定是完整的单词（因为前面什么都没有），如果有前面出现过的内容>=3 且<=10，用2个16进制数表示：前4位一定是80--BF（X000- ），后12位表示向前索引的值和长度。其中最后3位表示长度，9位右移3位得到的数是向前索引的值。例如： This is a test.可以压缩成（This 8018a test）解释为（X000 0000 000X X000）开头4位为8表示前面有出现过、后三位为0表示长度为0+3、最多等于（XXX）7+3、右移3位得到（000000XX），也就是说8080这个位置向前数3个字符（空格也是字符）长度为3得到is+空格。
        b. 英文空格出现的频率很高，因此如果没有长度3-10的重复，空格就和后面的字符+80（16进制）合成一个字符，如：空格+He（48+80）编码为：C865，空格+he编码成：E865。F765解压为：we。
        c. 中文和一些特别符号：看来mobi的压缩不适合中文，或许动态建议词典来索引，分析有难度，通常中文和特别符号用一个16进数表示：前4位一定是0（0000），后4位表示这几个字符没有压缩，如06表示：后面的6个字符没有压缩（照抄）。

 

      以上是mobi格式压缩解压abc，实际文件还有其它图片、中文索引等内容的压缩，就没有办法分析了。

     注：隔了几年，今天竟然发现有一错误即：8018（写成8010：x000 0000 000x 0000, 应该是：x000 0000 000x x000),已更正。

    mobi 格式就是根据以上a. b. c. 这样压缩和解压的。

 

用delphi编写的解码程序测试通过。插入代码片段不如其他人的博客已删除，其实知道了道理，编写程序解码很简单的。