Convertisseur MOBI en EPUB

Un fichier MOBI est un conteneur binaire Palm Database (PDB) conforme à la spécification de bases de données de PalmOS. Il s'ouvre sur un en-tête de 78 octets : nom de base de données (32 octets), attributs, version, dates de création/modification, identifiant de type (généralement BOOKMOBI), identifiant de créateur (MOBI ou TEXt), nombre total d'enregistrements, et une table d'offsets donnant pour chaque enregistrement sa position en octets dans le fichier. Tout le contenu (texte, images, index) est découpé en blocs d'environ 4096 octets rangés séquentiellement en tant qu'enregistrements : l'enregistrement 0 porte les en-têtes, les enregistrements 1 à N le texte compressé, suivis des enregistrements d'images.

L'enregistrement 0 aligne trois en-têtes consécutifs. L'en-tête PalmDOC déclare le schéma de compression (1 = aucune, 2 = compression par dictionnaire LZ77 PalmDOC, autres valeurs = dictionnaires Huffman Huffdic), la longueur totale du texte, le nombre d'enregistrements de texte, la taille par enregistrement et le type de chiffrement — une valeur non nulle signale un DRM que le convertisseur refuse de manipuler. L'en-tête MOBI ajoute l'encodage du texte (CP1252 ou UTF-8), l'indice du premier enregistrement d'image (firstImageIndex) et le drapeau EXTH. Lorsqu'il est levé, l'en-tête EXTH suit immédiatement : une suite d'entrées type-longueur-valeur portant auteur, titre actualisé, éditeur, ISBN/ASIN, date de publication et métadonnées voisines.

Le corps se décompresse enregistrement par enregistrement en un dialecte HTML restreint proche de HTML 3.2/4 : prise en charge CSS limitée, ni SVG ni polices embarquées, images référencées par <img recindex="00001"> pointant vers le nième enregistrement d'image après firstImageIndex, ancres de table des matières écrites en offsets d'octets comme <a filepos="0000023289">. Pour devenir un EPUB, ce balisage doit être hissé en XHTML bien formé : balises correctement fermées et imbriquées, attributs entre guillemets, constructions non prises en charge repliées en équivalents sûrs ; les références recindex deviennent des entrées d'image du manifest (<img src="images/xxx.jpg">), et chaque cible filepos reçoit un attribut id explicite pour que les liens de chapitres restent fonctionnels.

L'assemblage final construit le conteneur ZIP OCF requis par la spécification. L'entrée mimetype (contenant exactement application/epub+zip) doit être le premier fichier de l'archive et être stockée sans compression ; META-INF/container.xml pointe vers le document de package ; content.opf énumère chaque composant dans le manifest et fixe l'ordre de lecture linéaire dans le spine, tandis que son bloc de métadonnées embarque les termes Dublin Core projetés depuis EXTH (auteur→dc:creator, titre actualisé→dc:title, etc.). La navigation est écrite deux fois : nav.xhtml selon EPUB 3 pour les lecteurs modernes et toc.ncx historique pour compatibilité descendante. Côté bureau, ebook-convert de Calibre embarque un plugin d'entrée MOBI éprouvé et reste le standard de facto en ligne de commande, tandis que KindleUnpack permet de dépiécer un MOBI en HTML plus images avant traitement. Cet outil ne traite que du MOBI sans DRM — les achats chiffrés d'Amazon ne peuvent être analysés — et les fichiers .azw3/KF8, structurellement plus proches de l'EPUB, relèvent d'un autre convertisseur dédié.

• Structure du conteneur PDB : en-tête Palm de 78 octets (nom, type BOOKMOBI, créateur, table d'offsets) ; contenu découpé en enregistrements d'environ 4096 octets rangés séquentiellement
• Trois en-têtes dans l'enregistrement 0 : PalmDOC (compression, longueur du texte, type de chiffrement) -> MOBI (encodage CP1252/UTF-8, firstImageIndex, drapeau EXTH) -> EXTH (métadonnées type-longueur-valeur telles qu'auteur et titre)
• Reconstitution du texte : les enregistrements 1 à N sont décompressés selon l'en-tête PalmDOC (aucune / LZ77 PalmDOC / Huffman Huffdic) puis concaténés en HTML source
• Montée en gamme du HTML : le HTML restreint est normalisé en XHTML bien formé ; les références recindex deviennent des fichiers du manifest ; les ancres filepos deviennent des cibles id explicites
• Projection des métadonnées : les champs EXTH mappent les termes Dublin Core (dc:title, dc:creator, dc:language...) du bloc de métadonnées de l'OPF
• Empaquetage OCF : entrée mimetype non compressée en tête, META-INF/container.xml, manifest content.opf + ordre de lecture du spine, navigation écrite en nav.xhtml EPUB 3 et toc.ncx historique
• Limites et écosystème : entrée sans DRM uniquement ; Calibre ebook-convert et KindleUnpack couvrent le bureau ; Envoyer vers Kindle d'Amazon n'accepte plus que l'EPUB depuis fin 2022