Конвертер MOBI в EPUB

Файл MOBI — это бинарный контейнер Palm Database (PDB), следующий спецификации баз данных PalmOS. Он открывается 78-байтным заголовком: имя базы данных (32 байта), атрибуты, версия, время создания/изменения, идентификатор типа (обычно BOOKMOBI), идентификатор создателя (MOBI или TEXt), общее число записей и таблица смещений записей, где каждая позиция указывает байтовое место соответствующей записи в файле. Всё содержимое (текст, изображения, индексы) нарезано на блоки примерно по 4096 байт, которые последовательно хранятся как записи: запись 0 содержит заголовки, записи 1..N — сжатый текст, далее идут записи изображений.

Запись 0 укладывает подряд три заголовка. Заголовок PalmDOC объявляет схему сжатия (1 = без сжатия, 2 = словарное сжатие LZ77 PalmDOC, прочие значения — словари Хаффмана Huffdic), общую длину текста, число текстовых записей, размер одной записи и тип шифрования — ненулевой тип означает DRM, который конвертер отказывается трогать. Заголовок MOBI добавляет кодировку текста (CP1252 или UTF-8), индекс первой записи изображения (firstImageIndex) и флаг EXTH. Если флаг взведён, следом идёт заголовок EXTH: серия полей «тип–длина–значение» с автором, обновлённым названием, издательством, ISBN/ASIN, датой публикации и подобными метаданными.

Тело распаковывается запись за записью в усечённый HTML-диалект, близкий к HTML 3.2/4: поддержка CSS ограничена, SVG и встроенные шрифты недоступны, изображения ссылками вида <img recindex="00001"> указывают на n-ю запись изображения после firstImageIndex, а якоря оглавления оформлены байтовыми смещениями вроде <a filepos="0000023289">. Чтобы стать EPUB, эта разметка должна подняться до корректного XHTML: теги правильно закрыты и вложены, атрибуты закавычены, неподдерживаемые конструкции свёрнуты в безопасные эквиваленты; ссылки recindex превращаются в элементы манифеста (<img src="images/xxx.jpg">), а каждая цель filepos получает явный атрибут id, чтобы ссылки на главы продолжали работать.

На финальном этапе собирается требуемый спецификацией OCF-ZIP-контейнер. Запись mimetype (ровно application/epub+zip) обязана быть первым файлом архива и храниться без сжатия; META-INF/container.xml указывает на пакетный документ; content.opf перечисляет все компоненты в манифесте и фиксирует линейный порядок чтения в spine, а его блок метаданных несёт Dublin Core, спроецированный с EXTH (автор→dc:creator, обновлённое название→dc:title и т. д.). Навигация пишется дважды: nav.xhtml по EPUB 3 для современных ридеров и наследуемый toc.ncx для обратной совместимости. На десктопе ebook-convert из Calibre несёт зрелый входной плагин MOBI и остаётся фактическим стандартом командной строки; KindleUnpack умеет заранее разобрать MOBI на HTML плюс картинки. Этот инструмент обрабатывает только MOBI без DRM — купленные с защитой Amazon книги разобрать нельзя; .azw3/KF8 использует иную структуру, более близкую к EPUB, и требует собственный конвертер.

• Структура контейнера PDB: 78-байтный Palm-заголовок (имя базы, тип BOOKMOBI, создатель, таблица смещений); весь контент нарезан на записи примерно по 4096 байт
• Три заголовка записи 0: PalmDOC (схема сжатия, длина текста, тип шифрования) -> MOBI (кодировка CP1252/UTF-8, firstImageIndex, флаг EXTH) -> EXTH (метаданные «тип–длина–значение»: автор, название и др.)
• Восстановление текста: записи 1..N распаковываются согласно заголовку PalmDOC (без сжатия / LZ77 PalmDOC / Huffdic Huffman) и склеиваются в исходный HTML
• Повышение HTML: усечённый HTML нормализуется до корректного XHTML; ссылки recindex становятся файлами манифеста; байтовые якоря filepos — явными целями id
• Отображение метаданных: поля EXTH переводятся в термины Dublin Core (dc:title, dc:creator, dc:language...) блока метаданных OPF
• Упаковка OCF: несжатая запись mimetype впереди, META-INF/container.xml, манифест content.opf + порядок чтения spine, навигация двойная — nav.xhtml по EPUB 3 и классический toc.ncx
• Ограничения и экосистема: только вход без DRM; на десктопе выручают Calibre ebook-convert и KindleUnpack; Send to Kindle от Amazon с конца 2022 года принимает только EPUB