UMD 格式 解析规范（二）

数据块Content格式

现在说说数据块中的Content格式吧，根据数据块对应的功能块的不同，结构也不相同。现在让我们就按表1中的顺序逐个说明吧。
 
首 先是正文数据块，其Content中存储的是纯粹的字符串压缩数据（UNICODE编码的正文压缩数据）。要读取其中的数据，你需要先按正文数据块中的 Length-9来从文件中读出压缩数据，然后使用zlib解压缩得到正文文本。需要注意的是解压出来的正文中，换行字符并非Windows下的”\r \n”，而是0x2029，据了解说是symbian下的换行符。这意味着你可能需要特别处理（如替换0x2029为\r\n）0x2029才能在 windows下显示出全部的文本。

现在说说封面，其Content是个图像文件，你读出数据然后另存为图像就可以。图像具体格式信息存储在对应的功能块中。
 
再说章节偏移，里面存储的是各个章节在正文（解压后的文本）中的偏移，即表示第几章是从何处开始的。每个偏移使用4个字节，由此我们可以知道Content总一共存了（Length-9）/4个偏移。
 
现在说章节标题，它的Content是一个简单模式的重复。这个模式就是：标题长度-标题内容。其中标题长度用1字节保存，标题内容紧跟在标题长度之后，内容也是UNICODE的，不过是明文，没压缩的。用个表来说明下就一目了然了：

Chap1长度

Chap1内容

Chap2长度

Chap2内容

……

ChapN长度

ChapN内容

 

页面偏移不具体写了，下表中列出了其格式，对应于0x87。

对应的块标识	数据块描述	Content	字段大小	字段描述	共计
0x81	正文结束	BlockRandom	4	一个BlockRandom指向一个 正文数据块的RandVal。	4*N
		……	4*(N-2)
		BlockRandom	4
0x82	封面	Image	N	图片文件数据	N
0x83	章节偏移	Offset	4	每个Offset都代表了一个章节 在正文数据中的偏移。	4*N
		……	4*(N-2)
		Offset	4
0x84	章节标题	Len 1	1	第一章标题长度	Len(1) +Len(2) +… +Len(n) +n
		Cont 1	Len(1)	第一章标题内容
		……	/	/
		Len n	1	第n章标题长度
		Cont n	Len(n)	第n章标题内容
0x87	页面偏移	Offset	4	此块与章节偏移块类似，都存储的是偏移 不过这里是每一页的偏移。	4*N
		……	……
		Offset	4

表-5 各数据块的Content格式

最后，来看看在一个完整的UMD文件中，各个块的详细分布情况：

0xDE9A9B89	UMD文件标识
0x01	UMD文件说明（文本，图片）
0x02	文件标题
0x03	作者
0x04	年
0x05	月
0x06	日
0x07	小说类型
0x08	出版商
0x09	零售商
0x0b	内容长度
0x83	章节偏移，功能块
{Data}	章节偏移，数据块
0x84	章节标题，功能块
{Data}	章节标题，数据块
{Text Data 1}	正文压缩数据块，下同（蓝色）
{Text Data 2}
……
0x0a	CID标识，随机出现在正文数据块间，原因不明
……
0xf1	Licence Key，随机出现在正文数据块间，原因不明
……
{Text Data n-1}
{Text Data n  }
0x81	正文结束，功能块
{Data}	正文结束，数据块（保存所有的正文数据块索引）
0x82	封面，功能块
{Data} JPG	封面，数据块（JPG）
0x87	页面偏移，功能块，字号、屏幕宽度不同会有多个
{Offset Data 1}	页面偏移，数据块，下同
0x87	页面偏移2
{Offset Date 2}
……
0x87	页面偏移m
{Offset Date m}
0x0c	UMD文件结束，功能块

UMD文件标识

基本属性头

章节偏移及标题

正文压缩数据 （ZLIB）

正文数据索引

封面

页面偏移

结束

 

上面的表是对左边表的简化。

 

表中颜色说明：

	功能块
	带数据块的功能块
	数据块
	正文数据块

 

 

 

 

 

参考

从第一次接触UMD至今有好几个月，期间陆陆续续的找到些资料，下面就按我接触的时间顺序排列：

1、    主题：手机Umd文件格式浅析

2、    手机电子书UMD数据格式实现代码（C#版）

3、    Umd_builder （Goole Code）

4、    umd文件结构深度解剖（附手机umd电子书生成算法类|PHP版）