EPUB Reader at Text Extractor

Paano magbasa ng EPUB file online

1. I-drop ang EPUB file sa drop zone, o i-click ito para pumili. Lalabas sa itaas ng reader ang title, ang author at ang laki ng file.
2. Bubukas sa kanan ang unang kabanata. Gamitin ang listahan ng Nilalaman para lumundag sa isang kabanata o seksyon, at ang mga button na ← at → para pumunta sa nakaraan o susunod na seksyon ng aklat.
3. Gumagana sa loob ng reader ang mga link sa pagitan ng mga kabanata (tala, cross-reference). Ang mga link sa mga website ay bumubukas sa bagong tab.
4. Para makuha ang text ng buong aklat, i-click ang I-extract ang text (.txt). Idi-download ang isang plain-text file na may title, author at bawat seksyon ayon sa pagkakasunod-sunod ng pagbasa.

Ano ang laman ng EPUB file

Ang EPUB ay isang ZIP archive na may eksaktong istruktura. Pinangangalanan ng file na META-INF/container.xml ang package document (ang OPF file). Inililista ng package ang metadata ng aklat (title, author, wika), isang manifest ng bawat file (mga kabanata sa XHTML, larawan, style sheet, font) at ang spine: ang pagkakasunod-sunod ng pagbabasa ng mga kabanata. Ang table of contents ay hiwalay na navigation document sa EPUB 3, o isang NCX file sa mga lumang aklat na EPUB 2.

Ganito rin ang dinadaanan ng tool na ito gaya ng isang e-reader: binubuksan ang archive, binabasa ang container, saka ang package, saka ang table of contents, at ipinapakita ang mga kabanata ayon sa pagkakasunod-sunod ng spine. Kapag walang table of contents ang aklat, binibilang na lang ang mga seksyon.

Ligtas na reading view

Maaaring maglaman ng kahit ano ang file ng aklat, kasama ang mga script at link sa mga malayong resource. Kaya nililinis ang bawat kabanata bago ipakita: inaalis ang mga script, form, naka-embed na frame, style at event handler, at ang istruktura lang ng text ang pinananatili (heading, talata, listahan, table, diin, link). Ipinapakita mula sa memory ang mga larawang nakaimbak sa aklat; wala kailanmang nilo-load mula sa internet.

Ang kapalit nito ay hindi nailalapat ang sariling font, kulay at layout ng pahina ng aklat. Ipinapakita ang text sa malinis na reading style ng site, na bagay sa mga nobela, sanaysay at karamihan ng non-fiction. Mas simple ang itsura ng mga fixed-layout na aklat (komiks, picture book ng mga bata) at ng mga aklat na umaasa sa masalimuot na layout kaysa sa nakalaang e-reader.

Pag-extract ng text

Dinadaanan ng I-extract ang text (.txt) ang bawat seksyon ng spine, kasama ang mga minarkahang non-linear gaya ng mga tala, at ginagawang plain text ang bawat kabanata: pinaghihiwalay ng blangkong linya ang mga talata, nagsisimula sa gitling ang mga item ng listahan, at pinananatili ang mga line break. Kapaki-pakinabang ang resulta sa pagsipi, pagbilang ng salita, paghahanap, pagsasalin, o pagbibigay ng text sa ibang tool. Naka-encode sa UTF-8 ang file, kaya napapanatili ang mga accent at iba pang script.

Mga limitasyon

• Hindi mabubuksan ang mga aklat na may DRM (encryption ng Adobe, Kindle, Kobo o Apple): naka-encrypt ang mga kabanata nila. Hindi problema ang mga obfuscated na font, na ginagamit ng maraming aklat na walang DRM.
• Hindi pinapatugtog ang audio at video na naka-embed sa aklat.
• Hindi sinusuportahan ang napakalalaking archive (higit sa 4 GB, ZIP64).

Privacy

Binubuksan at binabasa ng browser mo ang aklat sa mismong device mo. Hindi ito kailanman ina-upload, at lokal na ginagawa ang na-extract na text.