Kindle hrátky: Převod .txt do .mobi s TOC

12.2.2011 11:36 | Přečteno: 7042× | Linux | poslední úprava: 13.2.2011 13:19

Dneska si ukážeme, jak jednoduše převést obyčejné TXT do mobi, které zchroustá náš Kindle. Jako ukázka nám poslouží zákon ze stránek portal.gov.cz

Co budeme potřebovat:

• calibre
• editor který zvládá Západoevropské ANSI kódování
• vim/gedit
• Amazon Kindle

Analýza souboru

Stáhli jsme si zákon, v našem případě autorský, a teď se půjdeme podívat, cože to vlastně je.

# file 121_2000_Sb.txt 
121_2000_Sb.txt: Non-ISO extended-ASCII Pascal program text, with CRLF line terminators

Což nám zase tak moc neřekne, takže si seženeme nějaký editor, který to dokáže otevřít - v našem případě to byl poznámkový blok z wine, ale bylo to způsobeno především nechutí hledat, co za kódování soudruzi použili. Soubor tedy uložíme jako utf-8, nejlépe s unixovým ukončením řádku a vrhneme se do dalšího zkoumání.

   HLAVA I



   PRÁVO AUTORSKÉ



   DÍL 1



   Předmět práva autorského



   § 2



   Autorské dílo



   (1) Předmětem práva autorského je dílo literární a jiné dílo umělecké a

   dílo vědecké, které je jedinečným výsledkem tvůrčí činnosti autora a je

   vyjádřeno   v  jakékoli  objektivně  vnímatelné  podobě  včetně  podoby

   elektronické, trvale nebo dočasně, bez ohledu na jeho rozsah, účel nebo

   význam (dále jen "dílo"). Dílem je zejména dílo slovesné vyjádřené řečí

   nebo  písmem,  dílo hudební, dílo dramatické a dílo hudebně dramatické,

   dílo  choreografické  a  dílo  pantomimické,  dílo  fotografické a dílo

   vyjádřené  postupem  podobným  fotografii,  dílo audiovizuální, jako je

Čeho si člověk všimne na první pohled je zvláštní odsazení celého textu mezerami od začátku, takže je vimem hezky vezmeme a umažeme. Čeho už si člověk na první pohled nevšimne, a co může způsobit nemalé problémy je to, že soudruzi někdy mezi slovy použijí mezeru jednu, někdy dvě a výjimečně i tři - kindle má úžasnou vlastnost, že dvě mezery nahradí žádnou, což vypadá asi takto: "dílochoreografickéadílopantomimické". Jakmile máme soubor bez zbytečných mezer a ve správném kódování, pustíme se do analýzy pro TOC. TOC může mít tři úrovně, takže první klíčové slovo bude HLAVA, druhé dáme DÍL a třetí není z ukázky patrné, ale věřte mi, že je to ODDÍL.

Samotný převod

Takže už víme členění, tak můžeme přejít k samotnému převodu pomocí programu calibre.

ebook-convert 121-2000.txt zakon-autorsky-121-2000-sb.mobi --chapter="//*[re:test(., '^(HLAVA|DÍL|ODDÍL)', '')]" --enable-heuristics --level1-toc="//*[re:test(., '^HLAVA', '')]" --level2-toc="//*[re:test(., '^DÍL', '')]" --level3-toc="//*[re:test(., '^ODDÍL', '')]"

Meta, meta, metař...

Takže máme vytvořené mobi, jediné co bychom ještě chtěli je, aby mělo meta tagy, což zařídí tradičně calibre.

ebook-meta zakon-autorsky-121-2000-sb.mobi -a "Parlament České republiky" -t 'Autorský zákon'

A to je vše

Zde bych chtěl poděkovat lidem, kteří zveřejňují zákony, za jejich skvělou práci, díky které má člověk po večerech co dělat.

       

Komentáře

[otasomil]

Pekny navod.

 

>>> díky která má člověk po večerech co dělat.

Takze se dockame archivu zakonu v .mobi ???

[pools]

Pár co sem potřeboval mám převedených, ale nedá se to dělat nějak moc strojově - každá zákon má jinou strukturu, a ke všemu jsou v nich ještě chyby ve stylu všechno DÍL a jednou Díl, někdy se musí přidat mezera aby se správně vytvořil TOC... Kdyby někdo chtěl pár, tak určitě pošlu, možná dám časem na web... Mám tady Autorsky, Občanský , Občanský soudní řád, Obchodní zákoník, O mezinárodním právu procesním, Soudní řád správní, Správní řád, Stavební zákon a Trestní zákoník...

[Jendа]

Můžeš napsat skript, který to udělá automaticky, a spustit to na všechny najednou .

[otasomil]

Clovece Vy ve svem volnem case vytvorite to co zainteresovana firma dela roky za mnoho milionu.

[Pavel Stárek]

IMHO tak toto je dobrý zásek (totiž počin) asi si to rsyncnu. Když vezmu v potaz, kolik různých firem se na distribuci zákonů živí (ASPI a podobné) a takto je lze mít offline zcela zdarma. Ještě si to nějak nasypat do DB a udělat frontend ..... a začít to prodávat

[otasomil]

Prvni a jedine co jsem si tipnul co to bude za kodovani tak windows-1250 a ejhle je to tak.

V podstate je to jasny neb si staci spojit pojmy statni sprava a microsoft.

[belisarivs]

Kindle podporuje i txt, takze prevod neni treba.

[chrono]

Predpokladám ale, že minimálne obsah to automaticky pri prezeraní nevygeneruje.

[pools]

cely zapisek je o tom jak pripravit txt pro vytvoreni TOC...

[=^..^= AmigaPower®]

Tak už konečně vim, co je to to převátění