Convertidor de MOBI a EPUB

Un archivo MOBI es un contenedor binario Palm Database (PDB) que sigue la especificación de bases de datos de PalmOS. Abre con una cabecera de 78 bytes: nombre de base de datos (32 bytes), atributos, versión, fechas de creación/modificación, identificador de tipo (normalmente BOOKMOBI), identificador de creador (MOBI o TEXt), número total de registros y una tabla de offsets de registro donde cada entrada indica la posición en bytes del registro correspondiente. Todo el contenido (texto, imágenes, índices) se trocea en bloques de unos 4096 bytes almacenados secuencialmente como registros: el registro 0 contiene las cabeceras, los registros 1 a N el texto comprimido y los posteriores las imágenes.

Dentro del registro 0 se alinean tres cabeceras consecutivas. La cabecera PalmDOC declara el esquema de compresión (1 = sin compresión, 2 = diccionario LZ77 de PalmDOC, otros valores significan diccionarios Huffman Huffdic), longitud total del texto, número de registros de texto, tamaño por registro y tipo de cifrado —un campo de cifrado distinto de cero señala DRM que el convertidor rechaza tratar—. La cabecera MOBI añade la codificación del texto (CP1252 o UTF-8), el índice del primer registro de imagen (firstImageIndex) y la bandera EXTH. Cuando está activada, le sigue inmediatamente la cabecera EXTH: una serie de entradas tipo-longitud-valor con autor, título actualizado, editorial, ISBN/ASIN, fecha de publicación y metadatos similares.

El cuerpo se descomprime registro a registro en un dialecto HTML restringido cercano a HTML 3.2/4: soporte limitado de CSS, sin SVG ni fuentes incrustadas, imágenes referenciadas como <img recindex="00001"> apuntando al enésimo registro de imagen tras firstImageIndex, y anclas de tabla de contenidos escritas como offsets en bytes del estilo <a filepos="0000023289">. Para convertirse en EPUB este marcado debe elevarse a XHTML bien formado: etiquetas cerradas y anidadas correctamente, atributos entre comillas, construcciones no admitidas plegadas a equivalentes seguros; las referencias recindex se reescriben como entradas de imagen del manifiesto (por ejemplo <img src="images/xxx.jpg">) y cada destino filepos recibe un atributo id explícito para que los enlaces de capítulos sigan funcionando.

Finalmente, ensamblar el EPUB significa construir el contenedor ZIP OCF. La entrada mimetype (que contiene exactamente application/epub+zip) debe ser el primer archivo del paquete y almacenarse sin comprimir; META-INF/container.xml apunta al documento de paquete; content.opf enumera todos los componentes en el manifiesto y fija el orden lineal de lectura en el spine, mientras que su bloque de metadatos carga los términos Dublin Core mapeados desde EXTH (autor→dc:creator, título actualizado→dc:title, etc.). La navegación se escribe dos veces: nav.xhtml de EPUB 3 para lectores modernos y el histórico toc.ncx por compatibilidad con equipos antiguos. En cuanto al ecosistema de escritorio, el ebook-convert de Calibre incluye un plugin de entrada MOBI maduro y sigue siendo el estándar de facto en consola, y KindleUnpack permite trocear antes un MOBI en HTML más imágenes. Esta herramienta solo procesa MOBI sin DRM —las compras cifradas de Amazon no pueden analizarse— y los archivos .azw3/KF8 usan otra estructura, más parecida a EPUB, que requiere su propio convertidor.

• Estructura del contenedor PDB: cabecera Palm de 78 bytes (nombre, tipo BOOKMOBI, creador, tabla de offsets); todo el contenido troceado en registros de unos 4096 bytes guardados secuencialmente
• Tres cabeceras en el registro 0: PalmDOC (compresión, longitud del texto, tipo de cifrado) -> MOBI (codificación CP1252/UTF-8, firstImageIndex, bandera EXTH) -> EXTH (metadatos tipo-longitud-valor como autor y título)
• Recuperación del texto: los registros 1 a N se descomprimen según la cabecera PalmDOC (sin compresión / LZ77 PalmDOC / Huffman Huffdic) y se concatenan en el HTML fuente
• Actualización del HTML: el HTML restringido se normaliza a XHTML bien formado; las referencias recindex pasan a archivos del manifiesto; las anclas filepos se convierten en destinos id explícitos
• Mapeo de metadatos: los campos EXTH se traducen a términos Dublin Core (dc:title, dc:creator, dc:language...) en el bloque de metadatos del OPF
• Empaquetado OCF: entrada mimetype sin comprimir en primer lugar, META-INF/container.xml, manifiesto content.opf + orden de lectura del spine, navegación escrita como nav.xhtml de EPUB 3 y toc.ncx heredado
• Límites y ecosistema: solo entrada sin DRM; Calibre ebook-convert y KindleUnpack cubren el escritorio; Enviar a Kindle de Amazon solo acepta EPUB desde finales de 2022