想提取英文书籍 pdf、mobi 和 epub 中的目录（table of contents）的结构和内容有什么好的方法或现成的工具吗？

[zeroze]

想提取目录内容请问有什么好的方法？工具？
求大佬明示？

[colewp]

iText 或者 Apache PDFBox，之前毕设做过类似项目

[dsg001]

以前用 python 写过，zipfile 打开 epub，lxml 解析 toc.ncx

[zeroze]

@dsg001 准确度大致怎么样啊？有什么坑吗？

[dsg001]

@zeroze 符合标准的 epub 无坑，偶尔有加密的无法读取，用 calibre 去除就行。

[zeroze]

自己研究了下，比较好的方法貌似是使用 mupdf 自带工具 mutool，具体操作有 stackoverflow 的帖子，自行搜索下
另外有坑 mutool 提取出来还需要洗
编码是 utf16 的