风铃之书

我有一个电子书阅读器，它是基于javafx的，支持一些常见的文件格式，最近我在翻阅电子书库的时候，发现一种很老的格式，它的后缀是umd，我找了一下，没有找到用于解析这玩意的类库，但是有很多文章说明其中的文件结构，因此我决定手动解析它。

UMD文件结构

首先需要关注的是文件头的部分，UMD文件前四字节固定为0xde9a9b89，这表明它是一个UMD图书文件，接下来需要跳过5字节，然后是类型标志，本文只涉及此标志位1的文本类型，因为类型为2的我还没见过。

接下来跳过两个无效数据，就来到了第二部分——元数据。

元数据部分的结构如上图，首先会有一字节的分隔符，它是# 在UMD文件中，它用于区分各个部分，接下来一字节是metadata的类型，metadata一共有9个，分别是：

标志（无符号整数）	类型
2	标题
3	作者
4	出版年
5	出版月
6	出版日
7	类型
8	出版社
9	经销商
11	未经压缩的内容总长度

元数据部分，每一个元数据之间都有#（1字节）分隔，后面2字节是上表左侧的数值，它们都为无符号整数，在使用Java解析的时候需要特别注意，它们应当是无符号的。

跳过一字节的无效数据后，接下来1字节是metadata的长度，通常国内的UMD制作时间比较早，它们通常会要求使用记事本的Unicode编码来保存文件，而这个Unicode并不是我们常说的UTF-8，而是UTF-16LE，因此应该使用UTF-16LE解析metadata以防止乱码，当然，win10以及更新的系统都会告诉你到底使用的是哪一种编码格式，在此之前，记事本的Unicode特指UTF-16LE。

这一字节的数值减去5，就是metadata的内容长度，读取此长度的数据并且转换为String后，继续读取下一字节，他应该是‘#’，也意味着那是下一个metadata的开始，到这里应该循环9次，依次读取这些metadata，它们的结构都是相同的。

在metadata部分后，出现的是章节偏移信息，第一个字节是#，表示是一个新的部分，接下来是固定的两字节，内容为0x0083，代表这里是章节的偏移信息，章节的偏移信息是指在正文内容解压后，这一章节开始与整个正文的第几字节。

跳过11字节的无效数据，接下来是4字节的无符号整数，将它减掉9并且除以4，得到章节数量，在这之后，就是章节偏移量的具体数值，有多少章节，就有多少章节偏移量的数值，它是一个4字节的无符号整数，数量与章节偏移量相同，使用循环来依次读取每一个偏移量即可。

在偏移量读取完毕后，就能遇到下一个#分隔符了，同样它会占据一字节，接下来的是2字节的0x84，这代表接下来的数据是章节的标题，到了这里，可以之间跳过15字节，因为在之前以及读取到了章节数量，可以直接使用那个。

上图代表了一个章节标题的数据结构，首先读取1字节，这是标题文本的长度，它是一个无符号整数，接下来直接使用这个长度读取章节的标题，并且使用UTF-16LE编码为字符串——这就是章节的标题，我们之前得到了章节的数量，因此通过循环就能读取到每一个章节的标题。

在标题得到正确的处理之后，接下来就是正文的内容了，正文由数据块组成，其中的内容经过了Zlib的压缩，因此需要按照数据块的结构进行读取，正文数据块开始的标志是0x24，在这之后，就是4字节的无效数据，直接跳过就好，紧接着就是4字节的无符号整数，此数值减去9就是被压缩的正文数据的长度。

读取压缩的数据后，如果下一字节是0x24，就按照上述的方法继续读取正文，但是如果不是，会有几种情况：

1. 0x0A，遇到这个应该跳过6字节，读取下一字节如果是0x24，那么就应该从这里继续按照上述方法读取正文。
2. 0xF1，遇到这个应该跳过18字节，读取下一字节如果是0x24，那么就应该从这里继续按照上述方法读取正文。
3. 上述情况之外，通常代表正文已经结束，可以之间结束文件的读取，虽然接下来还有封面的图片，但是没有什么必要去读取它。

解析的具体实现方法

1. 这种结构的文件非常适合使用RandomAccessFile进行读取，和IO流不同，这种类型可以随意读取文件的任意位置，通过其Seek方法能够很方便的移动读取的位置从而方便的实现随机读写。
2. Java本身不支持无符号数值，但是这里常常会使用到，因此必须有方法让无符号数正确的读取为Java的普通int，对于byte，只需要和0xFF进行与运算即可，多个byte在与运算的基础上需要进行位移。
3. Zlib的压缩算法其实就是Zip的Deflate，通过Java自带的Inflater就能做到解压。
4. 按照文件的数据结构依次读取文件，就能够实现这种电子书的解析。
5. 有一个很不好的地方，UMD存储的文本内容没有换行。
6. 我实际上已经使用Java实现了此文件的解析功能.