Flutter开发如何提取epub文件文本内容对接text to speech功能

EPUB本质是标准ZIP压缩包，无需依赖重型EPUB解析库，按格式规范逐层解压解析即可提取纯文本，完全适配Text To Speech的输入要求。

依赖配置 #

在pubspec.yaml中添加两个轻量依赖，用于解压和XML解析：

dependencies:
  archive: ^3.4.10
  xml: ^6.5.0

实现逻辑 #

• 解压EPUB压缩包：将EPUB文件读取为字节流后用ZIP解码器解压，拿到包内所有文件列表
• 定位内容索引：解析包内固定路径的META-INF/container.xml文件，拿到OPF格式的内容描述文件路径；再解析OPF文件，按阅读顺序拿到所有章节对应的HTML/XHTML文件路径
• 清洗提取纯文本：读取所有章节文件内容，剔除标签、样式、脚本内容，合并多余空白字符，拼接为连续纯文本

核心实现代码 #

import 'dart:io';
import 'package:archive/archive.dart';
import 'package:xml/xml.dart';

Future<String> extractEpubPlainText(String epubPath) async {
  final epubBytes = await File(epubPath).readAsBytes();
  final archive = ZipDecoder().decodeBytes(epubBytes);

  // 解析container.xml获取OPF文件路径
  String? opfPath;
  for (final file in archive) {
    if (file.name.toLowerCase() == 'meta-inf/container.xml') {
      final containerXml = XmlDocument.parse(String.fromCharCodes(file.content as List<int>));
      opfPath = containerXml.findAllElements('rootfile').first.getAttribute('full-path');
      break;
    }
  }
  if (opfPath == null) throw Exception('EPUB文件格式损坏');

  // 解析OPF文件获取所有章节路径
  List<String> chapterPaths = [];
  final opfDir = opfPath.contains('/') ? opfPath.substring(0, opfPath.lastIndexOf('/')) : '';
  for (final file in archive) {
    if (file.name == opfPath) {
      final opfXml = XmlDocument.parse(String.fromCharCodes(file.content as List<int>));
      final manifest = <String, String>{};
      opfXml.findAllElements('item').forEach((item) {
        final id = item.getAttribute('id');
        final href = item.getAttribute('href');
        if (id != null && href != null) manifest[id] = href;
      });
      opfXml.findAllElements('itemref').forEach((itemref) {
        final idref = itemref.getAttribute('idref');
        if (idref != null && manifest.containsKey(idref)) {
          final relativePath = manifest[idref]!;
          final fullPath = relativePath.startsWith('/') 
              ? relativePath.substring(1) 
              : '$opfDir/$relativePath'.replaceAll('./', '');
          chapterPaths.add(fullPath);
        }
      });
      break;
    }
  }

  // 提取并清洗章节文本
  final fullText = StringBuffer();
  final tagRegex = RegExp(r'<[^>]*>', multiLine: true, caseSensitive: false);
  final whitespaceRegex = RegExp(r'\s+', multiLine: true);
  final styleScriptRegex = RegExp(r'<(style|script)[\s\S]*?</\1>', caseSensitive: false);

  for (final file in archive) {
    if (chapterPaths.contains(file.name) && file.isFile) {
      final rawContent = String.fromCharCodes(file.content as List<int>);
      final cleanText = rawContent
          .replaceAll(styleScriptRegex, '')
          .replaceAll(tagRegex, '')
          .replaceAll(whitespaceRegex, ' ')
          .trim();
      if (cleanText.isNotEmpty) fullText.writeln(cleanText);
    }
  }

  return fullText.toString().trim();
}

TTS适配优化 #

• 可按章节拆分文本，支持TTS分段朗读、进度跳转，避免一次性加载大文件占用过多内存
• 可通过关键词过滤版权页、目录、脚注等非正文内容，减少无效朗读内容
• 带DRM版权加密的EPUB文件无法通过该方法解压，这类文件受版权保护无通用解密方案

内容的提问来源于stack exchange，提问作者Harsh Vardhan