电子书，或称 eBooks，已经存在很长时间了，但方便阅读它们的设备是相对较新的发展。在手机、平板电脑和专用电子书阅读器之间，你很可能在你的生活中拥有一些设备，你可以用它来阅读电子书。这对于提高你的阅读量非常有用，但这引出了一个问题，即有哪些开放文件格式可用于电子书，以及哪种格式最好。
为什么选择电子书？
电子书很棒。我使用它们的时间比专用阅读器存在的时间还要长。
我很欣赏电子书使我能够随身携带多卷文本，而无需实际承担几令纸的重量。当然，我可能不会在杂货店排队时阅读儒勒·凡尔纳的全部作品，但知道我拥有它们以备不时之需让我感到安慰。我也很欣赏它们给我的能力，可以找到我最喜欢的引文或段落，以及视力受限的读者可以放大文本以便阅读，或者完全失明的读者可以让他们的计算机将文本读给他们听。我很欣赏我可以在会议上用 Restructured Text 做笔记，并使用 Pandoc 将我的笔记转换为完全超链接的电子书，以便在我的飞机回家途中查看。
为什么要开放？
首先，让我们确定在这篇文章中我们只关注开放文件格式，以及为什么。开放电子书格式最明显的优势是，开放格式可以转换为任何其他格式，这意味着你的书可以在任何设备上阅读。当你获得一种格式的书籍，而你的设备或操作系统 (OS) 只读取除此格式之外的任何其他格式时，技术就会适得其反。开放格式的基本级别不会发生这种情况。
开放格式还确保任何人都可以创建电子书。纸和笔非常通用，因此如果电子书的格式是封闭的，那么我最好学习速记。
最后，我只对完全开放的格式感兴趣；有些格式“足够开放”可以从中转换，但不够开放到任何操作系统都可以创建它们，反之亦然。这对我不起作用，特别是作为 PowerPC Linux 用户，创建“某种程度开放”的电子书的 x86 二进制文件对我没有任何用处。
在完成了这些序言之后，让我们看看有哪些格式。
EPUB
开门见山地说：EPUB 格式是自电子书问世以来电子书领域发生的最好的事情。它很简单、轻巧、跨平台且通用。它是通过结合完美运行的现有技术来构建新技术的开源理想的典范。EPUB 文件基本上是一个包含一些元数据的 zip 文件集合，其中包含 HTML 文件。
它听起来可能很花哨和技术性，但使用 Pandoc 只需一行命令即可轻松制作 EPUB，或者从 Libre Office 导出。
这是我用来将会议笔记转换为 EPUB 的命令
$ pandoc -f rst -t epub3 notes.rst \
-o allThingsOpen2015.epub
一个更复杂的命令，用于最近在线发布的一本书
$ pandoc -f markdown -t epub3 book.md colophon.md \
-N --epub-stylesheet=style.css \
--epub-metadata=metadata.xml
--epub-cover-image=./images/cover-front.svg \
--epub-embed-font=kabel.ttf \
--epub-embed-font=Nouveau_IBM.ttf \
-o slackermedia.epub
在紧急情况下，你甚至可以使用标准系统工具生成 EPUB。一个单行 mimetype 文件放置在 zip 容器的头部，将容器标识为 EPUB 文档，以及一个包含所有 HTML 资产和文件的目录，就可以呈现一个可用的 EPUB 文件。适当的目录可能变得更加复杂，但这足以让你入门
$ echo "application/epub+zip > mimetype
$ zip -0Xq book.epub mimetype
$ zip -Xr9D book.epub META-INF/ OEBPS/
EPUB 格式很流行并且得到很好的支持。许多设备都支持它，或者它们支持可以读取它的应用程序。Firefox 插件 EPUB Reader 允许在任何运行 Firefox 的设备上轻松访问 EPUB。FBReader 在计算机和移动设备上打开它们。在紧急情况下，EPUB 文件甚至可以解压缩并作为原始 HTML 查看。
简而言之，EPUB 格式没有任何障碍。它是开放的、可访问的，并且功能强大。
优势
- 使用 HTML 以及简单的开源技术来构建通用的电子书格式。可扩展、动态，并且能够处理 HTML 可以处理的大多数内容。
- 使用标准 HTML 和 CSS 进行格式化，EPUB 允许用户根据需要覆盖样式，这意味着字体、颜色和大小都可以由用户根据需要进行修改。
- 通过开源 EPUB 阅读器应用程序，在许多电子阅读器设备以及大多数计算机和移动设备上得到良好支持。
- 由于 EPUB 基于 HTML，因此易于转换。
缺点
- 某些设备可能不支持 EPUB，需要转换。
结论
EPUB 是电子书应有的格式，对我而言，它是衡量所有其他格式的标准。它在轻巧、开放且明智的容器中提供了丰富、易于阅读的书籍。
纯文本
最初的电子书格式是纯旧的 ASCII（尽管希望今天人们会选择 Unicode）。这是计算中最通用的格式；任何平台上的任何操作系统都可以读取它，并且任何文本处理器都可以从中转换。
优点
- 任何人都可以创建纯文本，无需任何特殊工具或知识。
- 纯文本是转换为其他格式的安全可靠的来源。
- 大多数设备都支持查看纯文本，无论采用哪种方式；Android 设备可以在任何笔记或办公应用程序中查看纯文本，计算机有文本编辑器，电子阅读器通常在默认阅读应用程序中打开纯文本。即使是一些便携式音乐播放器（以及任何加载了 Rockbox 的音乐播放器）也可以查看纯文本。
- 纯文本可以重新换行句子，以便内容动态调整以适应不同尺寸的屏幕。
缺点
- 有人认为纯文本实际上并不是电子书格式。它无法从目录超链接到特定章节，它不支持图像等等。从某种意义上说，它没有利用电子书在使信息更快地定位方面提供的任何点击式优势。
- 你可以动态更改文本的布局以适应不同尺寸的屏幕，但如果作者在 80 个字符后硬编码换行符，那么无论你的阅读器如何调整，格式都将限制为每行最多 80 个字符，或者在不寻常的位置换行。
结论
可以肯定地说，虽然纯文本具有持久的未来保障并确保跨设备的兼容性，但它不是电子书的理想格式。但是，只要文档的布局一致，纯文本就很容易解析为其他格式。为了确保格式的一致性，请考虑使用“标记规则”，例如 restructured text (RST)。
FictionBook
FictionBook (.fb2) 电子书是一种 XML 格式，它将整本书放在一个文件中，包括任何图像。因此，它不打算存储扫描文档（例如整本漫画书或历史传真的完整扫描件），而是作为主要基于文本的书籍，其中贯穿一幅或几幅图像。
作为 XML，它继承了我们对电子书所期望的所有现代功能。它可以包含超链接、字体样式和复杂布局。它是原生动态的，因此它将流畅地换行文本以适应任何尺寸的屏幕。
生成 FictionBook 文件就像生成 XML 文件一样容易。它可以在任何文本编辑器中完成（或者大量 echo 语句，如果你是受虐狂），电子阅读器将动态进行所有转换，以将书显示为易于阅读的文档。
作为 XML，文件格式至少是结构良好的，并且很容易被计算机解析，甚至被对 XML 标签视而不见的人类解析。
优点
- FictionBook 是一种无处不在的标记语言的开放格式，所有内容都包含在一个文件中。
- 富文本，带有图像、超链接和原生动态内容和自动换行。
- 易于创建和转换，只要你熟悉 XML 及其相关工具链（例如 xmllint 和 nxml-mode 等工具）。
缺点
- 在专用电子阅读器设备上的支持很差。但是，如果你的设备运行 FBReader，那么你可以阅读 .fb2 文件。
- 一个书/一个文件的传统可能会随着 .fb3 而逐步淘汰，.fb3 正朝着包含封面图像、书籍文件和元数据文件（如 EPUB）的 zip 文件发展。
结论
FictionBook 格式在英语电子书市场中并不流行，尽管它在某些语言中得到了支持，因此你可能或可能没有机会在没有专门寻找的情况下获得 .fb2 文件。
如果你碰巧遇到一个，或者如果你打算生成自己的一个，那么它是否是适合你的“正确”选择完全取决于你使用的东西。如果你使用，或乐于开始使用，读取 .fb2 文件的应用程序，那么它是一种非常好的格式，它是独立的且健壮的。
HTML
Web 的语言 HTML 是一种强大的文档格式，具有超链接、动态文本流、样式、图像链接等功能。它看起来像是电子书格式的理想选择，事实上，它被证明是许多最流行的电子书格式（包括 EPUB）的基础。
HTML 作为一种格式不仅简单易学，而且无处不在。你可以在任何平台上编写它，并且显然可以在任何平台上查看它。与 XML 相比，它既简单又简洁
<p style="color: #666;">
你好 <a href="https://open-source.net.cn/%3Ca%20href%3D"http://example.com">http://example.com">世界</a>。
<img src="https://open-source.net.cn/images/tux.png" />
</p>
HTML 可能易于编写和易于阅读，但事实证明它有一些弱点。你可能可以链接到图像，但你将它们存储在哪里？电子阅读器在处理目录作为书籍时往往表现不佳，因此图像的路径需要以某种方式保持完整。HTML 作品也往往被分成多个页面，因此一本 25 章的书籍可能有多达 25 个与之相关的文件；你如何在电子阅读器中管理所有这些文件？
答案当然是你不能。如果你从网络上下载了一系列 HTML 文档，并想随身携带以备后用，请尝试将 HTML 包装成你的电子阅读器可以视为电子书的格式。转换很简单，只要所有路径都正确（如果你在 Firefox 中查看一个装满 HTML 文件的文件夹，并且一切看起来都正确，那么你的路径是正确的），你就可以使用 Pandoc 从 HTML 进行转换。一个简单的示例，假设你的目标设备对 EPUB 感到满意
$ pandoc -f html -t epub3 index.html about.html \
chapter1.html colophon.html -o book.epub
优点
- HTML 是 Web 的通用语言。
- HTML 易于编写和易于阅读。它支持动态和超链接文本、样式和图像。由于结构良好，因此易于从 HTML 转换或转换为 HTML。
缺点
- 分散的文件和资产，许多电子阅读器将其视为不同的文档。
- 并非所有电子阅读器都支持。
结论
HTML 是一种很棒的格式，并且就文件规范而言，它是电子书的理想选择，但由于电子阅读器倾向于假设每本书一个文件，因此在兼容性方面存在困难。如果你碰巧有一个装满 HTML 的目录，并且想随身携带，请将其转换为适当的电子书格式以获得更好的兼容性。
PDF 文件格式的开发是为了提供旨在用于印刷页面的内容。它最初被认为是“印前”渲染器：用户可以期望从打印机中看到的精确数字版本。
大概是由于缺乏更明显的选择，人们最终开始使用 PDF 作为分发几乎任何他们不打算让其他用户直接编辑的文档的一种方式。
优点
- 保留书籍的打印布局，无论它是否适合数字屏幕。
- 在大多数电子阅读器和设备上得到良好支持的格式。
缺点
- PDF 旨在用于打印，因此与分辨率无关，并且不能很好地适应屏幕尺寸。
- 就转换而言，几乎是死胡同格式。手动复制和粘贴底层文本是可能的（如果文本已嵌入），否则你无法将 PDF 转换为另一种格式。
- 可能会呈现非常大的文件，具体取决于创建时使用的图像压缩选项。
- 设备可能支持 PDF 格式，但无法以可读且方便的方式显示大多数 PDF。从图像类型支持到字体冲突，一切都可能阻碍内容是否被呈现。
结论
从某种意义上说，PDF 格式更适合传递样式而不是内容。PDF 往往体积大、效率低下且特定于分辨率。由于电子书的普及，已经开发了“重排”功能，尽管 PDF 必须在创建时就写入了重排，但即使那样，也很少有设备支持该功能。
如果你有选择，请避免将 PDF 用于电子书。如果你自己生成内容，请使用除 PDF 以外的任何格式。如果你在没有发言权的情况下获得了 PDF，并且在你的设备上阅读它时遇到困难（不断放大内容以通过显微镜镜头阅读句子在第 10 页左右变得很费力），请使用 pdftotext 从 PDF 中提取文本
$ pdftotext ~/book.pdf book-text.txt
或 pdftohtml。
$ pdftohtml ~/book.pdf book-html.html
这些是获取 PDF 内容的好方法，但结果（和可读性）各不相同。
事实是，将传统排版书籍转换为数字格式并非易事。如果容易的话，古腾堡计划现在就完成了。即使是扫描并通过光学字符识别运行的书籍也需要进行大量清理，并且至少要检查一遍错误。
有些书根本无法完全转换为文本文档，因为它们不仅仅是文本文档。为了保存一些书籍，最好的解决方案是扫描每一页，然后将所有扫描件转储到某个容器中。
似乎这非常适合 PDF 的用例，并且为了兼容性，但如果你的电子阅读器功能特别丰富，或者你在计算机或移动设备上阅读电子书，那么你可能会支持漫画书存档或 Djvu。
DjVu
DjVu 格式不仅是一种电子书格式，它还是一种压缩格式。DjVu 文件通常比 jpeg 文件更小，但质量相同。对于小型电子书，差异可能微不足道，但对于较大的作品，它可能意味着 80mb 下载和 20mb 下载之间的差异。
不幸的是，专用电子阅读器设备上几乎不存在 .djvu 支持。虽然它通常不是移动设备和计算机上的内置功能，但一些应用程序支持查看和创建 DjVu 文件，包括 djvulibre 包、Evince 文档查看器和 Android 上的 FBReader。
优点
- 比 jpeg 更好的印刷页面传真压缩，可嵌入文本；在功能上，它是 PDF 的更高效、开放和更简单的替代品。
缺点
- 在电子阅读器上未得到广泛支持。
- 特定于分辨率。
结论
一种文件大小和效率方面具有优势的良好格式，但由于支持有限，它可能不适合日常使用。
漫画书存档
顾名思义，漫画书存档是一种旨在用于数字存储和消费漫画书和图像小说的格式。它同样适用于你没有文本或想要或需要将其视为图形的任何书籍。
当然，这本身就与 PDF 存在相同的问题，即图形无法为你的电子阅读器屏幕动态重排，但格式本身非常开放，如果你有时间和耐心，则允许重组。
事实上，漫画书存档只不过是一个包含图像序列的 .zip 或 .rar 文件夹（分别为 .cbz 和 .cbr）。电子书阅读器将该文件视为一本书，并按顺序显示图像，动态解压缩每个图像。
优点
- 仅使用现有技术的开放格式。没有膨胀；一种非常干净的格式。
- 在很大程度上与图像类型无关（尽管你的电子阅读器可能并非如此），因此图像压缩级别是可调整的。
缺点
- 特定于分辨率。
结论
作为一种存储和消费格式，这是以数字方式存档漫画和扫描传真的理想方式。它只不过是一个压缩的图像目录，你甚至可以将高质量的主版本存储为主副本，并为你的设备创建低质量的“便携式”版本。
概述
电子书格式难题归结为以下几点：有源格式，有消费格式（通常由你的电子阅读设备支持的格式决定），还有供应商或分销商为你提供的格式。
不幸的是，这些并不总是相互一致的。
如果世界默认使用开放格式就好了，因为开放格式易于转换，而且它们可以编程生成，以根据你的需求为你提供最佳选择。情况并非总是如此，因此由你来决定哪种格式最适合你。
好消息是，尽管存在 DRM（供应商对书籍施加的数字限制），但转换通常是一种选择。获取你的内容，以你需要的方式处理它，使其为你工作，并始终将最开放的格式作为备份。
17 条评论