ebook_tools 0.0.1 → 0.0.2

data/CHANGELOG

@@ -1,2 +1,5 @@
+0.0.1 2013.4.1
+  change docbook format
+
 0.0.1 2013.4.1
   init release

data/README

@@ -1,76 +1,6 @@
-# encoding: UTF-8
-# = ExtractBookStruct
-# ExtractBookStruct的目的是从各类电子书内容中提取书的结构信息。目前支持txt,epub,html。
-# ExtractBookStruct选择从TXT文档提取书的结构信息。对TXT的文档要有如下要求:
-#   1. 文档的编码格式必须是UTF-8或GB2312，推荐使用UTF-8格式
-#   2. 文档的内容只包含书内容部分（书名、作者、目录等信息应该不包含在文档内）
-#   3. 文档的段落应该完整（有些PDF转换过来的文档会破坏句子，需要进行预处理）
-#   4. 文档必须符合正常的文档流（错位的章节段落等情况将影响正常的结构提取）
-#   5. 文档需要包含结构信息（例如： 卷、篇、部分、章（回）节或者有连续的序号）
-#   6. 每个结构信息都应该独立成行。
-#
-# 文档结构信息分析
-#   一本书在编排的时候会有自己的结构信息，这些结构信息通常通过卷、篇、部分、章(回)节等表述，也会使用序号的方式表述。总体上可以分为以下几种：
-#  1. 文本描述(text)： 按卷、部分(篇)、章（回）、节等文字表述
-#  2. 数字描述(digital)： 所有结构信息都是按照数字序号表示，比如 1 xxxxx; 1.1 xxxxx
-#  3. 混合描述(hybrid)：章按照文字表述，节按照序号表示，比如 1.1 xxxxxx
-#   根据不同的类型，对结构信息的提取采用不同的处理手段。
-#
-# 有效的标题信息应该符合以下规则:
-#  1. 标题应该不包含完整的句子（应该不包含句子分隔符，例如“。","!"等）
-#  2. 应该包含结构信息表述，具体如下：
-#    文本描述:
-#     卷:  以"第xxx卷"开始
-#          以"卷"开始，后面跟序号表述方式，例如 “I”，“Ⅱ”，“1”等
-#          以"volume"开始，后面跟序号表述方式，例如 “I”，“Ⅱ”，“1”等
-#     部分（篇）: 以"第xxx部"或"第xxx篇"开始
-#               以"part"开始，后面跟序号表述方式，例如 “I”，“Ⅱ”，“1”等
-#     章(回）: 以"第xxx章"或"第xxx回"开始
-#              以"chapter"开始，后面跟序号表述方式，例如 “I”，“Ⅱ”，“1”等
-#     节:  以"第xxx节"开始
-#     前言: 以"前"开始，以"言"结束，中间加入空白字符。例如"前言"，"前  言"等。
-#           以"序"开始，以"言"结束，中间加入空白字符。例如"序言"，"序  言"等。
-#           单个"序"
-#           以"序"或"序言"开始，后面跟序号表述方式，例如 “I”，“Ⅱ”，“1”等
-#          "preface"
-#          "foreword"
-#           以"preface"或"foreword"开始，后面跟序号表述方式，例如 “I”，“Ⅱ”，“1”等
-#     索引: 以"索"开始，以"引"结束，中间加入空白字符。例如"索引"，"索  引"等。
-#           以"索引"开始，后面跟序号表述方式，例如 “I”，“Ⅱ”，“1”等
-#          "index"
-#           以"index"开始，后面跟序号表述方式，例如 “I”，“Ⅱ”，“1”等
-#     附录: 以"附"开始，以"录"结束，中间加入空白字符。例如"附录"，"附  录"等。
-#           以"附录"开始，后面跟序号表述方式，例如 “I”，“Ⅱ”，“1”等
-#          "appendix"
-#           以"appendix"开始，后面跟序号表述方式，例如 “I”，“Ⅱ”，“1”等
-#     术语: 以"术"开始，以"语"结束，中间加入空白字符。例如"术语"，"术  语"等。
-#           以"术语"开始，后面跟序号表述方式，例如 “I”，“Ⅱ”，“1”等
-#          "glossary"
-#           以"glossary"开始，后面跟序号表述方式，例如 “I”，“Ⅱ”，“1”等
-#
-#    数字描述:
-#      以数字序号层级表达，数字序号和标题内容之间有空白字符分隔。例如"1 管理的概念", "1.1 定义", "1.1.1 管理"等。
-# 
-# ==API接口
-#
-# === ExtractBookStruct.from_txt
-#  从文本文件中提取目录结构，使用示例:
-#     ExtractBookStruct.from_txt('1.txt',{:title=>'title',:author=>'author'})
-#
-# === ExtractBookStruct.from_epub
-#  从EPUB文件中提取目录结构，使用示例:
-#      ExtractBookStruct.from_epub('1.epub',{:title=>'title',:author=>'author'})
-# 
-# === ExtractBookStruct.from_html
-#  从HTML中提取目录结构,使用示例:
-#      ExtractBookStruct.from_html('1.html',{:title=>'title',:author=>'author'})
-#
-# == 命令行工具
-#   extract_book_struct，使用示例:
-#      extract_book_struct '1.txt', '1.xml'
-#
-# == 依赖
-#   ExtractBookStruct依赖以下工具和包:
-#     ebook-convert: calibre cli tools.
-#     uuid: ruby gem.
-#     iconv: ruby gem. 
+= ebook_tools
+  ebook tools
+
+== Installation
+
+  gem install ebook_tools

data/ebook_tools.gemspec

@@ -2,7 +2,7 @@
 
 Gem::Specification.new do |s|
   s.name = %q{ebook_tools}
-  s.version = '0.0.1'
+  s.version = '0.0.2'
 
   s.required_rubygems_version = Gem::Requirement.new(">= 0") if s.respond_to? :required_rubygems_version=
   s.authors = ["Aaron"]

data/lib/extract_book_struct.rb

@@ -30,16 +30,19 @@ module ExtractBookStruct
   extend HeaderDetect
 
   def from_txt(filename,options={})
+    options[:title] ||= File.basename(filename,File.extname(filename))
     content = File.open(filename).read
     extract_book_struct(content,options)
   end
 
   def from_html(filename,options={})
+    options[:title] ||= File.basename(filename,File.extname(filename))
     content = extract_text_from_file(filename,'.html')
     extract_book_struct(content,options)
   end
 
   def from_epub(filename,options={})
+    options[:title] ||= File.basename(filename,File.extname(filename))
     content = extract_text_from_file(filename,'.epub')
     extract_book_struct(content,options)
   end
@@ -50,7 +53,6 @@ module ExtractBookStruct
     end
     content = sanitize_for_epub_text(content)    
     paras = extract_paras(content)
-
     # 检查书类型（text,digital,hybrid)
     format = options[:format] || detect_struct_type(paras)
     case format
@@ -112,13 +114,10 @@ module ExtractBookStruct
   def extract_text_book_struct(content,options={})
     # 标注结构信息
     marked_content = mark_struct_info(content)
-
     # 构建书结构
     struct = build_struct(marked_content)
-
     # 修正结构
     revised_struct = revise_struct(struct)
-
     # 生成docbook
     build_doc_book(revised_struct,options)
   end
@@ -227,9 +226,11 @@ module ExtractBookStruct
     <book xmlns="http://docbook.org/ns/docbook" version="5.0">
     <info>
     <title>#{options[:title]}</title>
-    <author>#{options[:author]}</author>
+    <authorgroup>
+    <author><personname>#{options[:author]}</personname></author>
+    </authorgroup>
     <pubdate>#{options[:pubdate]}</pubdate>
-    <publisher>#{options[:publisher]}</publisher>
+    <publisher><publishername>#{options[:publisher]}</publishername></publisher>
     </info>
     #{doc_toc}
     #{doc_content}

metadata

@@ -1,7 +1,7 @@
 --- !ruby/object:Gem::Specification
 name: ebook_tools
 version: !ruby/object:Gem::Version
-  version: 0.0.1
+  version: 0.0.2
   prerelease: 
 platform: ruby
 authors: