Conversor de MOBI para EPUB

Um arquivo MOBI é um contêiner binário Palm Database (PDB) que segue a especificação de bancos de dados do PalmOS. Ele abre com um cabeçalho de 78 bytes: nome do banco (32 bytes), atributos, versão, datas de criação/modificação, identificador de tipo (normalmente BOOKMOBI), identificador de criador (MOBI ou TEXt), total de registros e uma tabela de offsets em que cada entrada indica a posição em bytes do registro correspondente. Todo o conteúdo (texto, imagens, índices) é fatiado em blocos de cerca de 4096 bytes gravados sequencialmente como registros: o registro 0 guarda os cabeçalhos, os registros 1..N trazem o texto comprimido e depois vêm os registros de imagens.

O registro 0 empilha três cabeçalhos consecutivos. O cabeçalho PalmDOC declara o esquema de compressão (1 = nenhuma, 2 = dicionário LZ77 do PalmDOC, demais valores significam dicionários Huffman Huffdic), o comprimento total do texto, a quantidade de registros de texto, o tamanho por registro e o tipo de criptografia — tipo diferente de zero indica DRM, que o conversor se recusa a tocar. O cabeçalho MOBI acrescenta a codificação do texto (CP1252 ou UTF-8), o índice do primeiro registro de imagem (firstImageIndex) e a flag EXTH. Quando ela está ativa, segue-se imediatamente o cabeçalho EXTH: uma sequência de entradas tipo-comprimento-valor com autor, título atualizado, editora, ISBN/ASIN, data de publicação e metadados afins.

O corpo é descomprimido registro a registro num dialecto HTML restrito próximo ao HTML 3.2/4: suporte limitado a CSS, sem SVG nem fontes embutidas, imagens referenciadas como <img recindex="00001"> apontando para o enésimo registro de imagem após o firstImageIndex e âncoras de sumário escritas como offsets em bytes, tipo <a filepos="0000023289">. Para virar EPUB, essa marcação precisa ser elevada a XHTML bem-formado: tags fechadas e aninhadas corretamente, atributos entre aspas, construções não suportadas dobradas em equivalentes seguros; as referências recindex viram entradas de imagem no manifest (<img src="images/xxx.jpg">), e cada alvo filepos ganha um atributo id explícito para que os links de capítulo sigam funcionando.

A montagem final constrói o contêiner ZIP OCF exigido pela especificação. A entrada mimetype (contendo exatamente application/epub+zip) deve ser o primeiro arquivo do pacote e ficar armazenada sem compressão; o META-INF/container.xml aponta para o documento de pacote; o content.opf lista cada componente no manifest e fixa a ordem linear de leitura no spine, enquanto seu bloco de metadados carrega os termos Dublin Core mapeados do EXTH (autor→dc:creator, título atualizado→dc:title etc.). O sumário é escrito duas vezes: nav.xhtml segundo o EPUB 3 para leitores modernos e o toc.ncx clássico para compatibilidade regressiva. No desktop, o ebook-convert do Calibre traz um plugin de entrada MOBI maduro e continua sendo o padrão de facto na linha de comando, e o KindleUnpack consegue desmontar antes um MOBI em HTML mais imagens. Esta ferramenta processa apenas MOBI sem DRM — compras cifradas da Amazon não podem ser analisadas —, e arquivos .azw3/KF8 usam outra estrutura, mais próxima do EPUB, exigindo conversor próprio.

• Estrutura do contêiner PDB: cabeçalho Palm de 78 bytes (nome, tipo BOOKMOBI, criador, tabela de offsets); todo o conteúdo fatiado em registros de ~4096 bytes gravados em sequência
• Três cabeçalhos no registro 0: PalmDOC (compressão, comprimento do texto, tipo de criptografia) -> MOBI (codificação CP1252/UTF-8, firstImageIndex, flag EXTH) -> EXTH (metadados tipo-comprimento-valor como autor e título)
• Recuperação do texto: os registros 1..N são descomprimidos conforme o cabeçalho PalmDOC (nenhuma / LZ77 PalmDOC / Huffman Huffdic) e concatenados no HTML-fonte
• Atualização do HTML: o HTML restrito é normalizado em XHTML bem-formado; referências recindex viram arquivos do manifest; âncoras filepos viram alvos id explícitos
• Mapeamento de metadados: campos EXTH tornam-se termos Dublin Core (dc:title, dc:creator, dc:language...) no bloco de metadados do OPF
• Empacotamento OCF: entrada mimetype sem compressão primeiro, META-INF/container.xml, manifest content.opf + ordem de leitura do spine, sumário escrito como nav.xhtml do EPUB 3 e toc.ncx clássico
• Limites e ecossistema: só entra DRM-free; Calibre ebook-convert e KindleUnpack cobrem o desktop; o Enviar para o Kindle da Amazon só aceita EPUB desde o fim de 2022