| Author | Message |
|---|
Dmitro25
Бывалый участник форума
Joined: 13 Jan 2011
Posts: 115
| | Posted: 08.05.2012 05:24 | |
| Здравствуйте.
Хочу предложить вашему вниманию написанную мною программу LocalLinks2.
Иногда возникает необходимость просмотра на читалке электронных книг offline версии какого-либо сайта (например, скачанного с помощью программы Offline Explorer) или декомпилированного CHM-файла. Некоторые читалки не поддерживают чтение формата CHM (например, у меня Kindle DX - не поддерживает), некоторые поддерживают, но не вполне корректно - зависают при открытии больших файлов или отображают неверную кодировку текста.
Программа localLinks2 предназначена для объединения набора htm-файлов, содержащих перекрёстные ссылки друг на друга и ссылки на изображения, в один htm-файл с сохранением корректной работы перекрёстных ссылок и ссылок на изображения. Получившийся htm-файл можно в дальнейшем конвертировать для последующего чтения на читалке электронных книг.
Также программа может:
- понимать различные кодировки исходных htm файлов. Выходной файл всегда сохраняется в кодировке Windows-1251
- удалять лишние тэги и атрибуты тэгов из htm-файлов, классы, стили, затрудняющие просмотр htm-документов на читалке
- опционально удалять таблицы, которые также часто мешают просмотру текста на читалке
- опционально вставлять название перед началом каждого нового раздела объединённого файла (название раздела берётся автоматически из тэга <title> соответствующего исходного htm-файла, но может быть в изменено при редактировании)
- не включать часть исходных htm-файлов в объединённый файл
- не включать часть ссылок на изображения в объединённый файл
- произвольно изменять порядок следования исходных файлов в итоговом объединённом файле
- опционально или сохранять все ссылки в итоговом документе, или удалять все ссылки, или сохранять только локальные ссылки (в последнем случае остаются только ссылки на файлы, присутствующие в проекте, все остальные удаляются). Не включённые ссылки в объединённом файле помечаются особым образом
- опционально или сохранять все ссылки на изображения в итоговом документе, или удалять все ссылки, или сохранять только локальные ссылки (в последнем случае остаются только ссылки на изображения. присутствующие в проекте, все остальные удаляются)
- произвольно составлять оглавление объединённого файла
- если объединяются файлы после декомпиляции CHM-файла, то можно за основу оглавления брать оглавление CHM-файла (файл с расширением hhc), при этом будет поддерживаться древовидная структура оглавления
- сохранять проекты, содержащие информацию по последовательности обрабатываемых файлов, содержание и т.п., на диск и загружать их впоследствии с диска, чтобы продолжить работу над проектом
Ссылка для скачивания (программа + краткая документация):
http://todvk.narod.ru/LocalLinks/LocalLinks2.rar
Версия 2.1.0.97
Обновлена 3.08.2015
Last edited by Dmitro25 on 24.08.2015 08:19; edited 7 times in total |
| | | |
knigophil
Член клуба The eBook
Joined: 24 May 2010
Posts: 2279
Location: SoCal
| | | | |
Dmitro25
Бывалый участник форума
Joined: 13 Jan 2011
Posts: 115
| | Posted: 08.05.2012 08:06 | |
| knigophil
Сам пользуюсь htm2chm, ещё можно использовать плагин к Total Commander'у (CHMDir называется, кажется). Ещё в Microsoft HTML Help Workshop (продукт, который используется для создания CHM файлов) тоже есть функция декомпиляции. |
| | | |
knigophil
Член клуба The eBook
Joined: 24 May 2010
Posts: 2279
Location: SoCal
| | Posted: 08.05.2012 09:04 | |
| Спасибо, html2chm успешно работает, но все-таки вижу проблему с кодировкой.
В этом файле заголовки глав в LL_out_file.htm почему-то остаются в кракозябрах.
И это при том, что (вроде бы) во всех декомпилированных htm файлах кодировка 1251.
_________________
Kindle Voyage
Рекомендации по межформатному конвертированию |
| | | |
Dmitro25
Бывалый участник форума
Joined: 13 Jan 2011
Posts: 115
| | Posted: 08.05.2012 09:44 | |
| knigophil
Странно, попробовал Ваш файл - нормально открываются главы, названия на русском.
Все htm-файлы внутри имеют один и тот же заголовок (title) - "Фрэнсис Бернетт - Таинственный сад". Так что различать по заголовкам главы не получится - надо сначала их редактировать. Причина, по которой у Вас читаются заголовки "кракозябрами" может быть следующей: я посмотрел несколько имеющихся у меня подобных htm-файлов и обнаружил, что тэг <title> в них стоит после тэга <meta>, в котором определяется кодировка документа. В Ваших файлах наоборот - <title> расположен до определения кодировки документа. Попробуйте открыть одну из htm-страничек Вашего файла после декомпиляции в браузере - заголовок тоже пишется "кракозябрами".
Т.е файл сформирован не совсем корректно. Каков источник файла?
Только что попробовал просто сохранить произвольную страницу Интернета из браузера - сохраняется как положено, сначала кодировка, потом заголовок.
Однако, и Ваши файлы на моём компьютере отображаются нормально. Наверное, на моём компьютере по умолчанию считается, что кодировка Windows-1251, на Вашем, скорее всего, нет.
Может быть, у Вас не русская Windows?
У меня Windows XP, и я в своё время с помощью программы XP Tweaker в группе "Система" на закладке "Решение проблем" ставил крыжик "Использовать кодовую страницу 1251 вместо 1252". После чего необходимо перезагрузиться. Могу засвидетельствовать, что данное действие помогает решить проблемы с неправильным отображением русских шрифтов в некоторых программах.
В Вашем случае проще всего отредактировать заголовки, чем перекачивать файлы, тем более, что Вы хотите названия глав, а их в Ваших файлах всё равно нет.
P.S. Кстати. Ваш CHM файл сформирован не совсем корректно - у меня он при открытии выдаёт "Переход на веб-страницу отменен" вместо открытия файла index.htm внутри chm-файла. Лучше перекомпилировать его программой htm2chm. Вот результат:
http://dl.dropbox.com/u/9009865/%D0%A2%D0%B0%D0%B8%D0%BD%D1%81%D1%82%D 0%B2%D0%B5%D0%BD%D0%BD%D1%8B%D0%B9_%D1%81%D0%B0%D0%B42.chm |
| | | | 
kaznelson
Член клуба The eBook
Joined: 08 Jun 2007
Posts: 4642
Location: Москва
| | Posted: 08.05.2012 10:18 | |
| Dmitro25
Спасибо за программу!
А теперь ворчалки:
1) На небольшом экране программа открывается внизу справа, частично за пределами экрана.
2) Выдается предупреждение "The Delphi Inspiration".
3) Не ищется charset в head, последовательная обработка приводит к кракозяблам в перенесённом title.
4) Удаляется тэг span, в котором задаётся размер шрифта.
5) Отсутствует "домашняя папка" - начинать поиск нужной каждый раз от корня неудобно.
6) Не запоминаются общие предпочтительные настройки - только для проекта.
7) Без вставки title в тело соединённые части не отделяются линией.
8) Не создаётся общий title документа.
9) Нет возможности самому указать кодировку входных (и выходного) файлов.
10) Сохранение проекта запрашивается, но расширение никак с программой не ассоциируется; при ассоциации с .llprj вручную программа проект не открывает.
Last edited by kaznelson on 08.05.2012 10:38; edited 4 times in total |
| | | |
knigophil
Член клуба The eBook
Joined: 24 May 2010
Posts: 2279
Location: SoCal
| | Posted: 08.05.2012 10:26 | |
| Dmitro25
Windows 7 исконно английская.
1251 вместо 1252 у меня насильно подменено.
Файл этот один из нескольких сотен детских книг в chm, откуда взялись уж и не упомню.
Сам chm открывается у меня в MSDN MS Help и все заголовки глав нормальные.
Затем я навскидку пооткрывал декомпилированные htm файлы в браузере (Опера) - во всех прекрасно читаются заголовки глав.
И только выходной файл, сформированный Вашей программой, уже в браузере показывает не то в заголовках глав.
Кстати, перекомпилированный Таинственный сад2 ведет себя у меня в точности так же - все htm файлы после декомпиляции выглядят без проблем - а вот LL_out в браузере имеет нехорошие заголовки.
И так ведут себя все chm файлы из того же набора.
Их там всего более пятисот, все не откорректировать...
Вот еще один пример не знаю, из той же кучи, или из другой - но и булычевская Алиса ведет себя точно так же.
_________________
Kindle Voyage
Рекомендации по межформатному конвертированию |
| | | |
Dmitro25
Бывалый участник форума
Joined: 13 Jan 2011
Posts: 115
| | Posted: 08.05.2012 10:58 | |
| kaznelson
1. Подправлю
2. Используемый для парсинга HTML компонент, гм..., платный, но не купленный, и, похоже, не до конца взломанный, проявляется это в виде появления окна "The Delphi Inspiration", других проявлений не замечал, да и это появляется не периодично, пока придётся потерпеть.
3. Как это не ищется charset? Это одно из достоинств используемого парсера. Самолично проверял на Windows-1251 и UTF-8 - текст конвертируется нормально. Тут если хотите разобраться нужно привести пример - сам я с таким не сталкивался.
4. Насчёт <span>. Насколько я понимаю, атрибуты этого тэга - это классы или стили, а они принудительно удаляются из документа, поэтому смысла в оставлении этого тэга я не вижу. Я планировал программу как предназначенную для переноса простого текста в выходной документ. Поэтому стили и классы из исходных файлов удаляются. Остаётся поддержка жирности, подчёркивания, перечёркивания, тага <font>, но стили и классы - из документа долой.
5. Если не закрывать программу, должна открываться последняя открытая папка, даже если создан новый проект и поле "Base Folder" пустое. Можно в будущем сделать сохранение в реестр или в ini-файл.
6. Настройки запоминаются вместе с проектом и при создании нового не восстанавливаются на дефолтные, так что можно создать пустой проект только ради настроек и пользоваться им как базовым.
7. Есть такое, так и планировалось - некое бесшовное объединение файлов. Если надо разделение - вставляйте titles. Также можно сделать заголовки пустыми - будут вставляться в файл просто две горизонтальные линии. Чаще всего сами объединяемые файлы содержат что-то вроде шапки или названия в своём начале, так что дополнительного разделения и не требуется.
8. Да, общий <title> документа не создаётся. Я думал об этом, но не вижу в этом смысла, да и что, какой текст туда вставлять? При конвертировании программой Kindlegen title она оставляет без внимания...
9. Нет, а зачем эта возможность? Во входных файлах кодировка должна быть указана в таге <meta>, а в выходных - пусть будет Windows-1251, все браузеры её нормально понимают и отображают. Поддержку языков с иероглифами я пока не планирую
10. Поддержку командной строки хотя бы для открытия файла проекта планирую сделать
Posted after 22 minutes 39 seconds:
knigophil
Я наверное не совсем понял, что означает "Заголовки глав". В Вашем файле "Алиса_в_Гусляре" вообще нет глав - там всего 3 страницы текста. Для примера я результат обработки обоих Ваших файлов (без картинок) положил в архив по адресу:
http://dl.dropbox.com/u/9009865/Example.rar
Как мне кажется, там всё нормально отображается. Скиньте, если не трудно, Ваш результат обработки. Может, это из-за Windows 7 или из-за того, что Windows английская?
Posted after 2 minutes 5 seconds:
Может быть, попробовать результат создавать не в кодировке Windows-1251, а в UTF-8 к примеру? |
| | | |
kaznelson
Член клуба The eBook
Joined: 08 Jun 2007
Posts: 4642
Location: Москва
| | Posted: 08.05.2012 13:32 | |
| Dmitro25
| Quote: | | 3. Как это не ищется charset? Это одно из достоинств используемого парсера. |
А применяется только к тому, что после него. Неправильно. Именно что charset не ищется специально, а обрабатывается по факту встречи.
| Quote: | | 2. Используемый для парсинга HTML компонент, гм..., платный, но не купленный, и, похоже, не до конца взломанный |
Это плохо. Шансов на выживание у вареза на этом форуме не так уж и много. 
| Quote: | 4. Насчёт <span>.
Я планировал программу как предназначенную для переноса простого текста в выходной документ. Поэтому стили и классы из исходных файлов удаляются. |
Где это в и-нете сейчас простой текст найти можно, кроме Мошкова?
Имхо, лучше просто не трогать - некоторые страницы расползаются весьма сильно. И вот уж последствия такого непрошенного удаления задолбаться можно править.
| Quote: | 5. Если не закрывать программу ...
6. Настройки запоминаются вместе с проектом |
Это, простите, изврат. Без сохранения пользовательских настроек категорически неудобно. Хотя бы как отдельного проекта, всегда открываемого при старте программы.
| Quote: | | 7. Есть такое, так и планировалось - некое бесшовное объединение файлов. |
Как правило соединяемые файлы сами по себе неким образом выделены. Их удобно читать на одном листе, но совсем без отделения от предыдущего куска - некрасиво. Имхо, не помешает несколько видов разделителя в самой программе - линия, пустые строки...
| Quote: | | 8. Да, общий <title> документа не создаётся. Я думал об этом, но не вижу в этом смысла, да и что, какой текст туда вставлять? При конвертировании программой Kindlegen title она оставляет без внимания... |
Можно сделать задание этого тэга в программе. Ведь не только для обработки Kindlegen предназначена ваша программа - вполне подойдёт и для обработки уже имеющихся подборок html-документации.
| Quote: | | 9. Нет, а зачем эта возможность? Во входных файлах кодировка должна быть указана в таге <meta>, а в выходных - пусть будет Windows-1251, все браузеры её нормально понимают и отображают. |
Довольно часто веб-мастера пользуются качественным автодетектом браузеров и не указывают кодировку. Править ручками - задолбаешься, да и не укладывается это в идеологию программы. Десяток страниц я и сам склею/поправлю, а на сотнях - смысл программы теряется полностью.
| Quote: | | Поддержку языков с иероглифами я пока не планирую |
Юникодные символы на русских страницах используются более чем широко, и если попасть на продукты ленивого веб-мастера - расползаются. Да и зачастую нужен конкредный вывод в UTF8 - виндовая 1251 на сегодняшний день суть убогое говно и профанация.
Да и с KOI8-R у Вашей программы серьёзные проблемы...
_________________
Kobo Glo HD, Kobo Aura H2O, Kindle Paperwhite 2 |
| | | |
Dmitro25
Бывалый участник форума
Joined: 13 Jan 2011
Posts: 115
| | Posted: 08.05.2012 20:48 | |
| Обновил программу в шапке.
Изменения:
- исправлено положение окна при старте программы
- сканирование <title> теперь осуществляется в два прохода: в первом определяется кодировка документа, во втором - чтение title. Должно помочь с "кракозябрами" в заголовках файлов
- при выходе из программы в ini файле запоминается последняя сканированная папка. При новом запуске программы путь сканирования по умолчанию будет устанавливаться на неё
- при выходе из программы в ini файле запоминаются настройки (опции) программы, при новом старте программы они восстанавливаются
- При объединении документа в выходной файл прописывается заголовок (title), содержащий имя проекта, данное при сохранении в файл (понятно, без пути и без расширения)
- Если при запуске программы указан дополнительный параметр командной строки, то считается, что это имя файла проекта, который нужно открыть сразу после старта
kaznelson
Поддержку стилей и классов при объединении пока не планирую (это отдельная большая задача с серьёзными временными затратами в т.ч. и на изучение матчасти) - программа писалась для простого объединения файлов для последующего их чтения на читалке электронных книг. Просто я столкнулся с тем, что тупое объединение текстов html документов между тагами <body> даёт весьма раздутых документ. Если размер этого документа превышает несколько мегабайт, то его даже невозможно открыть в Word'e, чтобы немного подредактировать - виснет всё намертво. Да и перекрёстные ссылки, работающие изображения и таблицу оглавления иметь хотелось. При этом я заранее смирился с тем, что некоторые особенно "вычурные" элементы интерфейса нормально выводиться не будут - это касается обработки скриптов, фреймов, классов и css-стилей. Поэтому поддержки тага <span> пока не будет.
Поддержку Unicode пока тоже не сделал - не встретил ещё файлов, в которых это остро необходимо, а в программе всё сделано на ansistring - много нужно перелопачивать.
А что Вы говорили про проблемы у программы с KOI-8R? Я для примера скачал файл с Интернета в этой кодировке - нормально отобразились заголовки и записался выходной файл в Windows-1251. Второй тестовый файл в проекте был при этом в UTF-8 - объединились они без проблем. |
| | | |
kaznelson
Член клуба The eBook
Joined: 08 Jun 2007
Posts: 4642
Location: Москва
| | Posted: 08.05.2012 21:24 | |
| Dmitro25
| Quote: | | Поддержку стилей и классов при объединении пока не планирую |
Это как раз проще всего - одна галка для отключения обработки. Кому-то ведь может быть достаточно только определения кодировки и склеивания того, что между body.
| Quote: | | его даже невозможно открыть в Word'e, чтобы немного подредактировать - виснет всё намертво. |
<бормочет> И почему я не удивлён?... 
Word в роли HTML-редактора - просто фантастическое гуано. Гораздо надёжнее текстовые редакторы с подсветкой синтаксиса.
| Quote: | | я заранее смирился с тем, что некоторые особенно "вычурные" элементы интерфейса нормально выводиться не будут |
К сожалению, некоторые умудряются запихнуть в span тэги b, i, размер шрифта. Вот когда это теряется - пичалька. Можно ли заменять span хотя бы на базовые стилевые тэги?
| Quote: | | А что Вы говорили про проблемы у программы с KOI-8R? |
Некоторые мастера экономят, и задают charset=KOI8. При этом браузеры такое едят, а Ваша программа - нет.
Встретился тут html с ошибкой в задании кодировки: charset="windows-1251& quot;"
LocalLinks просто убил весь текст, заменив его на знаки вопроса. Не, ручное задание кодировки входных файлов необходимо как воздух...
_________________
Kobo Glo HD, Kobo Aura H2O, Kindle Paperwhite 2 |
| | | |
Dmitro25
Бывалый участник форума
Joined: 13 Jan 2011
Posts: 115
| | Posted: 10.05.2012 08:02 | |
| | kaznelson wrote: | | Не, ручное задание кодировки входных файлов необходимо как воздух... |
Хорошо, сделаю опциональную ручную установку charser при парсинге. Похоже, Вы человек опытный в этом вопросе. Подскажите, какой набор кодировок предлагать для выбора (просто, там вариантов весьма много - не все ведь предлагать)?
| kaznelson wrote: | <бормочет> И почему я не удивлён?...
Word в роли HTML-редактора - просто фантастическое гуано. Гораздо надёжнее текстовые редакторы с подсветкой синтаксиса. |
Я знаю, что Word - не лучший HTML-редактор. Просто у меня цель была - прочитать сотню скачанных статей с одного сайта на электронной книжке. И я написал Макрос для Word для приведения файлов в терпимый вид и сохранения в PDF для чтения на читалке. Но, как показала практика, 2Мб объединённый файл Word ещё берёт, а 4Мб - уже нет (вылетает с ошибкой), причём по непонятной мне причине - во всяком случае памяти ему хватало. При этом не только в объёме (2Мб/4Мб) дело - похоже, Word затрудняют какие-то элементы форматирования. Я сделал предположение, что его напрягают скрипты, стили, классы, может быть, внешние изображения и т.п., и, похоже, не ошибся, поскольку очищенные и объединённые с помощью LocalLinks2 файлы Word открывает без проблем, даже гораздо большего размера.
| kaznelson wrote: | | Это как раз проще всего - одна галка для отключения обработки. Кому-то ведь может быть достаточно только определения кодировки и склеивания того, что между body. |
Я тут немного посмотрел документацию - стили документа могут определяться через внешний css файл, который подключается через таг <link>, который определяется не в теле, а в шапке <head> документа. Чтобы сохранить стили в объединённом документе, нужно подключать все css-файлы из всех вложенных папок, и что делать при совпадении имён стилей из разных файлов, тоже непонятно. |
| | | |
kaznelson
Член клуба The eBook
Joined: 08 Jun 2007
Posts: 4642
Location: Москва
| | Posted: 10.05.2012 11:27 | |
| | Dmitro25 wrote: | | какой набор кодировок предлагать для выбора |
| Dmitro25 wrote: | | Чтобы сохранить стили в объединённом документе, нужно подключать все css-файлы из всех вложенных папок, и что делать при совпадении имён стилей из разных файлов, тоже непонятно. |
В общем случае такой проблемы не возникает, т.к. слияние как правило делается для страниц с одного сайта.
А вот для разносортицы всё грустно - переименовать CSS в порядке слияния несложно (1.css, 2.css ...), но тут есть проблема - последующий CSS перешибает предыдущий. Т.е. при совпадении стилей для элементов шанс, что нормально отображаться будет только последний кусок, весьма велик.
Парсить стили и присваивать соответствующие каждому тэгу сливаемых кусков - умучаешся.
Можно попробовать оборачивать куски в div или span, вставляя ссылки на стили прямо в тело - но это категорически не по стандарту, да и всё равно будут нюансы.
Так что тут даже не знаю что посоветовать.  Можно конечно переименовывать классы для каждого стилевого файла (типа p1, p2 ... вместо p), а для соответствующих тэгов соответствующих кусков задавать эти классы: p class="p1" (для body однако придётся мудрить...)
PS: как хотелка - можно ли прикрутить задание своего шрифта? Для беcстилевого документа это несложно - достаточно обернуть тело документа в <basefont face="Verdana" size="14px"></basefont> |
| | | |
Dmitro25
Бывалый участник форума
Joined: 13 Jan 2011
Posts: 115
| | Posted: 10.05.2012 15:15 | |
| Обновил программу в шапке.
Изменения:
- добавил возможность "жёсткого" задания кодировок входных файлов (из ряда 1251, КОИ8 и UTF8)
- немного изменена структура главного меню в окне редактирования заголовков |
| | | |
kaznelson
Член клуба The eBook
Joined: 08 Jun 2007
Posts: 4642
Location: Москва
| | Posted: 10.05.2012 16:13 | |
| Dmitro25
| Quote: | | добавил возможность "жёсткого" задания кодировок входных файлов |
Не очень полезно, т.к. для всех сразу. А вот ситуация, когда с одним файлом проблема (что ясно видно по заголовку) по прежнему нерешаема.
_________________
Kobo Glo HD, Kobo Aura H2O, Kindle Paperwhite 2 |
| | | |
Dmitro25
Бывалый участник форума
Joined: 13 Jan 2011
Posts: 115
| | Posted: 10.05.2012 16:38 | |
| | kaznelson wrote: | | Не очень полезно, т.к. для всех сразу. А вот ситуация, когда с одним файлом проблема (что ясно видно по заголовку) по прежнему нерешаема. |
Если с одним файлом проблема, то charset можно и вручную поменять. А где конкретно менять - видно по неправильно прочитанному заголовку (title). А вот если, как Вы рассказывали, "кривые" руки вебмастера все странички на сайте без нормального charset оставили, тогда этот метод может пригодиться. |
| | | |
Chizhik
Продвинутый участник форума
Joined: 08 Nov 2010
Posts: 81
| | Posted: 19.01.2013 22:32 | |
| Здравствуйте !
Можно ли вашей программой преобразовать htmlz в pdf ? Cохранится ли возможность перехода по ссылкам внутри книги (оглавление и пр.) в полученном pdf после конвертации его из htmlz ? |
| | | |
knigophil
Член клуба The eBook
Joined: 24 May 2010
Posts: 2279
Location: SoCal
| | Posted: 20.01.2013 06:33 | |
| Chizhik
В принципе можно сконвертировать с помощью Calibre htmlz->epub.
А затем попробовать применить epub2pdf. Это питоновский скрипт со своим графическим интерфейсом, настраиваемый через css. Выдает pdf под размер ридера. Гиперссылки он точно сохраняет - если они присутствуют в epub.
_________________
Kindle Voyage
Рекомендации по межформатному конвертированию |
| | | |
Chizhik
Продвинутый участник форума
Joined: 08 Nov 2010
Posts: 81
| | Posted: 20.01.2013 18:44 | |
| knigophil,
Вот Калибра как раз не подходит, т.к.нужно сохранить
| Quote: | | возможность перехода по ссылкам внутри книги (оглавление и пр.) в полученном pdf после конвертации его из htmlz |
, что она не позволяет. |
| | | |
knigophil
Член клуба The eBook
Joined: 24 May 2010
Posts: 2279
Location: SoCal
| | | | |
| You cannot post new topics in this forum
You cannot reply to topics in this forum
You cannot edit your posts in this forum
You cannot delete your posts in this forum
You cannot vote in polls in this forum
|
© Libroom, 2021
|
