HTML → EPUB

HTML 是什么

HTML / XHTML 是网页的结构语言，也是 EPUB 内部真正使用的正文格式；.mhtml（MHTML）则是把网页及其全部资源（图片、CSS）打包成单个文件，常用于「另存为单个网页」。XML 是通用标记语言，FB2、OPF 等格式本身就是一种 XML。这一族本质上都是「带标签的文本」，标签决定结构，所以转成其他格式时保留多少结构，取决于转换工具对标签的理解程度。

EPUB 是什么

EPUB 是国际数字出版论坛制定的开放电子书标准，本质是一个 ZIP 压缩包，里面装着 XHTML 正文、CSS 样式、图片和一份定义阅读顺序的 OPF 清单。它最大的特点是「可重排」：正文与排版分离，阅读器会根据屏幕大小和字号重新排版，因此同一个文件在手机、平板、电脑上都能得到合适的版面，是除 Kindle 生态外最通用的电子书格式。

HTML 转 EPUB 需要注意什么

先从源格式抽出内容时

HTML 的结构全在标签里，但真实网页混杂导航、广告、页脚等噪声，直接整页转换会把它们一起带进去。建议先用可读性算法（如 Readability）抽出正文容器，并注意 <img> 多为外链 —— 转成单文件格式前必须把图片下载并内嵌。

写进目标格式时

EPUB 不是「压缩一下就行」：它必须包含 mimetype（且必须是第一个条目、不压缩）、META-INF/container.xml、内容 OPF 与 nav 目录，缺一项阅读器就会报「文件损坏」。所以转 EPUB 优先用成熟的转换器，不要手工拼 ZIP。

两端格式交互带来的坑

• 源文件的章节只是普通文字行，而目标格式要求一份真正的目录。转换器会尝试用正则识别「第X章」「Chapter N」这类模式 —— 识别不准就会出现目录条目错乱或整本书只有一个章节。转换后请检查目录条目数与实际章数是否一致。
• 从单个文本文件变成有目录结构的压缩包，是信息「增加」的方向：工具需要替你生成清单文件、目录页与元数据。这些生成物的质量（章节切分是否准确、语言标注是否正确）直接决定成品好不好用。

转换后自检清单

1. 先用前 3 章试转，确认没有丢字、串行或错位，再整本转换。
2. 检查章节切分：目录条目数应与实际章数一致。
3. 随机翻 5 处，搜索书中一个人名，确认文本可被完整检索。
4. 确认插图数量与位置：尤其看图片有没有挤在章节末尾。
5. 补全书名、作者、语言；语言标签写错会导致排版（如中文断行）异常。
6. 用两个不同阅读器各打开一次，确认目录与封面正常 —— EPUB 对结构要求最严。

小说转换的特殊之处

小说是最常见、也最特殊的一类电子书：几百上千章、几乎没有图表、常常只有一份 TXT 源文件，中文源还经常带防盗乱码。下面几点是最容易踩、也最影响阅读体验的。

• 长篇小说动辄数百上千章，目录质量直接决定这本书能不能用。转换前先把章标题统一成一种可识别的写法（例如都写成「第X章 标题」并独占一行），否则目标格式里的目录会缺章、串章，甚至整本只剩一章。
• 分卷信息（「第一卷」「第二卷」）在多数转换里会被降级成普通标题，卷与章的层级关系随之丢失。如果你在意层级，转换后到编辑器里把卷标题提升一级，别让它和章标题平级。

HTML 转 EPUB 的工具

下面这些工具都能完成这个方向的转换，按你的操作系统和文件数量挑一个即可。动手前建议先看上一节的注意事项 —— 顺序错了（比如该先 OCR 却直接转）往往要重来一遍。

常见问题

相关格式转换