Конвертер MOBI в PDF

MOBI по сути - бинарный контейнер Palm Database (PDB), следующий формату баз данных PalmOS. Он открывается 78-байтовым заголовком PDB: имя базы (32 байта), атрибуты, версия, время создания/изменения, идентификатор типа (обычно BOOKMOBI), идентификатор создателя (как правило MOBI или TEXt), общее число записей и таблица смещений записей - по одной записи на элемент, указывающей её байтовое смещение и атрибуты в файле. Всё содержимое MOBI (текст, изображения, индексы) нарезано на равные блоки (обычно по 4096 байт), хранящиеся последовательно как записи PDB: запись 0 - заголовочная, за ней текстовые записи, затем записи изображений.

Запись 0 - ключ к разбору MOBI; она содержит три заголовка подряд. Первый - заголовок PalmDOC: он задаёт способ сжатия (1 = без сжатия, 2 = словарное сжатие PalmDOC/Huffdic), общую длину текста, число текстовых записей, размер одной записи и тип шифрования. Далее идёт заголовок MOBI, начинающийся с идентификатора "MOBI" и содержащий длину заголовка, тип MOBI, кодировку текста (CP1252 или UTF-8), уникальный ID, версию генератора, индекс первой записи изображения (firstImageIndex), поля таблицы Хаффмана и флаг EXTH. Если флаг EXTH установлен, за ним следует заголовок EXTH: он начинается с "EXTH" и содержит записи тип-длина-значение с метаданными - автором, названием, издателем, ISBN, ASIN, датой публикации и тому подобным.

Тело текста распределено по записям с 1 по N и должно распаковываться запись за записью согласно заголовку PalmDOC перед сцепкой в полный HTML-документ. Сжатие PalmDOC - байт-ориентированный вариант LZ77: флаговый бит отличает литеральные байты от обратных ссылок, где обратная ссылка - пара (расстояние, длина), копирующая отрезок из уже распакованного буфера вывода, чтобы сжимать повторяющееся содержимое; Huffdic - собственная схема Хаффмана, разработанная для MOBI. Получаемый HTML - ограниченное подмножество (близкое к HTML 3.2/4) с ограниченной поддержкой CSS: старые MOBI не поддерживают SVG, вложенные таблицы и встроенные шрифты (лишь KF8/AZW3 ослабил эти ограничения). Изображения ссылаются через <img recindex="00001">, где recindex указывает на n-ную запись изображения, начиная с firstImageIndex.

Конвертация MOBI в PDF распадается на четыре шага: разобрать контейнер PDB и получить смещения записей -> прочитать заголовки PalmDOC/MOBI/EXTH записи 0, чтобы определить кодировку, сжатие и метаданные -> распаковать текстовые записи в HTML и извлечь записи изображений -> сверстать и разбить HTML на страницы выбранного размера с заданными полями, затем отрисовать PDF (шрифты встраиваются как подмножества TrueType, изображения перекодируются в JPEG/Flate, согласно ISO 32000-1/2). Этот шаг пагинации идентичен EPUB-в-PDF, поэтому конвертеры часто используют проход print-to-PDF в headless-браузере (headless Chromium) для максимальной точности CSS; ebook-convert из Calibre поставляется со входным плагином MOBI и собственным конвейером рендеринга и является фактическим стандартом в командной строке, тогда как KindleUnpack может сначала разобрать MOBI на HTML и изображения для последующего рендерера. Этот инструмент принимает только MOBI без DRM; титулы, заблокированные DRM Amazon, не могут быть разобраны. .azw3/KF8 - современный преемник MOBI, структурно близкий к EPUB и требующий собственных инструментов.

• Структура контейнера PDB: 78-байтовый заголовок базы Palm (имя базы, тип BOOKMOBI, создатель, число записей + таблица смещений), содержимое нарезано на записи примерно по 4096 байт, хранящиеся последовательно
• Запись 0 содержит три заголовка: заголовок PalmDOC (способ сжатия, длина текста, размер записи) -> заголовок MOBI (кодировка, firstImageIndex, флаг EXTH) -> заголовок EXTH (автор, название, ISBN, ASIN и прочие метаданные)
• Распаковка текста: записи с 1 по N распаковываются согласно заголовку PalmDOC (без сжатия / словарное сжатие PalmDOC LZ77 / Huffdic Huffman) и сцепляются в полный HTML
• Подмножество HTML и изображения: MOBI использует ограниченный HTML (близкий к HTML 3.2/4) с ограниченным CSS и без SVG и встроенных шрифтов в старых версиях; изображения хранятся как отдельные записи и ссылаются через <img recindex="00001">
• Четыре шага конвертации: разобрать PDB -> прочитать заголовки для кодировки/сжатия/метаданных -> распаковать текст и извлечь изображения -> разбить на страницы и отрисовать PDF (подмножества шрифтов встроены, изображения перекодированы, ISO 32000-1/2)
• Движки и ограничения: часто headless Chromium print-to-PDF для точности CSS либо Calibre ebook-convert (со встроенным входным плагином MOBI); принимается только MOBI без DRM, а .azw3/KF8 - его современный преемник
• Статус формата: Amazon перестал принимать MOBI через «Send to Kindle» в конце 2022 года в пользу EPUB; существующие файлы MOBI по-прежнему можно конвертировать, но формат выводится из обращения