通过 Python 将 epub 文件的繁体字替换为中文简体

通过 Python 将 epub 文件的繁体字替换为中文简体

epub 文件是一个压缩文件，可以通过 7z 等解压工具解压成文件夹，文件夹里面的 OEBPS/toc.ncx 存储着目录信息，OEBPS\Text\Section*.xhtml 存储着章节的具体内容

因此只需要想办法把着 2 种文件的内容读取出来，再替换中文文本为简体中文就可以实现 epub 文件的繁体字替换为中文简体

方案一 调用 zipfile 解析 epub

import zipfile
import zhconv


import os
import re


def simpleChineseGet(s):
    # 文本替换，中文替换为简体中文
    chineseR = re.compile('[\u4e00-\u9fa5]+')
    s = re.sub(chineseR, lambda text: zhconv.convert(text.group(0), "zh-hans"), s)
    return s

def replace():
    # 当前代码文件的目录
    pwd = os.path.dirname(__file__)

    # 替换后文件存放的目录
    replace_dir = "中文替换"
    replace_path = os.path.join(pwd, replace_dir)
    if not os.path.exists(replace_path):
        os.mkdir(replace_path)

    # 遍历当前目录的一级子文件
    file_list = os.listdir(pwd)
    for file in file_list:
        book_path = file
        # 判断文件后缀名是 epub
        if file.split(".")[-1] == 'epub':
            print(f"replace file:\t{file}")
            # 打开旧的 epub 压缩文件
            old_epub = zipfile.ZipFile(book_path, "r")
            # 新建 epub 文件
            new_book_path = os.path.join(replace_path, os.path.basename(file))
            new_epub = zipfile.ZipFile(new_book_path, "w", zipfile.ZIP_DEFLATED)

            # 复制文件
            for i in old_epub.filelist:
                file_path = i.filename
                # 读取旧 epub 子文件, byte 数据类型
                file_data = old_epub.read(file_path)
                # 获取子文件后缀
                file_end = file_path.split(".")[-1]
                # 是目录信息或章节文件
                if file_end == "ncx" or file_end == "xhtml":
                    # 替换文件信息的中文为简体
                    file_data = simpleChineseGet(str(file_data, encoding="utf-8"))
                    # 转为 byte
                    file_data = bytes(file_data, encoding="utf-8")
                # 将文件信息写到新的 epub 文件
                new_epub.writestr(file_path, file_data)
            
            # 关闭 epub 文件
            old_epub.close()
            new_epub.close()
replace()

print("all done")

方案二 调用 ebooklib 解析 epub

import ebooklib
from ebooklib import epub
import re
import zhconv
import os


def simpleChineseGet(s):
    # 文本替换，中文替换为简体中文
    chineseR = re.compile('[\u4e00-\u9fa5]+')
    s = re.sub(chineseR, lambda text: zhconv.convert(text.group(0), "zh-hans"), s)
    return s

def replace():
    # 当前代码文件的目录
    pwd = os.path.dirname(__file__)

    # 替换后文件存放的目录
    replace_dir = "中文替换"
    replace_path = os.path.join(pwd, replace_dir)
    if not os.path.exists(replace_path):
        os.mkdir(replace_path)

    # 遍历当前目录的一级子文件
    file_list = os.listdir(pwd)
    # 遍历文件
    for file in file_list:
        book_path = file
        # 判断文件后缀名是 epub
        if file.split(".")[-1] == 'epub':
            print(f"replace file:\t{file}")
            # 使用 epublib 打开文件
            book = epub.read_epub(book_path)

            # 修改 epub 的目录
            def replaceToc(tocNcx):
                for i in tocNcx:
                    if isinstance(i, tuple) or isinstance(i, list):
                        # 存在子章节
                        section, subsection = i[0], i[1]
                        # 父章节名字替换
                        section.title = simpleChineseGet(section.title)
                        # 子章节递归替换
                        replaceToc(subsection)
                    else:
                        # 不存在子章节，直接替换
                        i.title = simpleChineseGet(i.title)
            tocNcx = book.toc
            replaceToc(tocNcx)
            
            # 修改章节内容
            def replaceItems(items):
                # 遍历文件
                for item in items:
                    # 是章节文件
                    if item.get_type() == ebooklib.ITEM_DOCUMENT:
                        # 获取字符文本
                        s = str(item.get_content(), encoding='utf-8')
                        # 文本替换，中文替换为简体中文
                        s = simpleChineseGet(s)
                        # 将数据写回文件
                        item.set_content(bytes(s, encoding = "utf-8"))
            items = book.get_items()
            replaceItems(items)

            # 保存 epub 文件
            new_book_path = os.path.join(replace_path, os.path.basename(file))
            epub.write_epub(new_book_path, book)
    
    print("all done")

if __name__ == "__main__":
    replace()