作者Gold740716 (项为之强)
看板Browsers
标题[-OP-] 将 opera mini 的 obml 格式转换成 HTML
时间Fri Feb 19 11:45:31 2016
作者Gold740716 (项为之强) 看板: MobileComm
标题: [心得] 将 opera mini 储存的网页转换成 HTML
时间: Sun Feb 21 17:56:38 2016
好读版：
http://myweb.ncku.edu.tw/~c34031328/diary/obml.html
[Opera_mini] 是 opera 公司推出的适合手机的浏览器，
但其实 *她* 并不解析 [HTML] 。
她的运作必需依赖 Opera 公司的伺服器，
将网页由 HTML 格式转换成 **OBML** 格式；
同时大幅缩小网页大小。
後再由 opera mini 解析、排版。
固她才可以 [绕过色情守门员] 。
[绕过色情守门员]:
http://myweb.ncku.edu.tw/~c34031328/diary/man.html
OBML 格式全名 *Opera Binary Markup Language* ,
是由 opera 公司所开发，针对 HTML 简化格式。
她并不全是文字，其中内含了一些二进位码，
用来表示某段文字是的格式。（像超连结、标题、颜色。）
尝试以纯文字读取会有部份乱码。
（或全部乱码。我以 [more] 或 [less] 读取时
二进位会显示为乱码，文字就保有文字。
别的工具有没有这麽聪明我就不确定了。）
另外我不知道为什麽，
我的 OBML 档副档名不是 `*.obml` , 而是 `*.obml16` .
反正没差，可以看就好了，以下仍称 `*.obml` .
但读者请自行确认自己的是 `*.obml` 或 `*.obml16` .
## 前言 ##
在旧手机上只用 opera mini .
而又旧手机除了上网也没什麽能做的；
固上面就积了一堆 *储存* 来离线看的网页。
最近换手机，想把这 *脱拉库* 东西抓出来，
转换成方便的格式。於是搜寻了一下，记录流程。
## 取出 obml 档 ##
首先取得 root 权限；没有的话用 adb 也可以。
（ adb 能取得 root 权限。）
目标是把存在内部空间的 obml 档复制出来。
以我来说路径是：
`/data/data/com.opera.mini.android/files/*.obml`
我的档案名是一串七或八个数字，副档名 obml .
### 使用 adb ###
** 无须 root 权限 **
$ adb root pull "/data/data/com.opera.mini.android/files"
# 拉出整个目录
$ adb root pull "/data/data/com.opera.mini.android/files/*.obml"
# 拉出特定档案
不会 adb 的请自己 google.
（ 或等我有空写一篇文章；但不做别人做过的事是我的原则：P
网路上这麽多教学了……。）
### 使用 root explore ###
** 必须取得 root 权限 **
随便找一款支援 root 的档案管理员，
进到你的 opera mini 的资料夹。
四处看看，把副档名是 obml 的档案都复制到 sdcard
或其它你方便的地方。
然後再复制回电脑里。
## 将 `*.obml` 转换成 `*.html` ##
google 大神与 SlackOverFlow ，
都只推荐用 Java 虚拟机器可以在电脑跑 Opera mini .
但我认为这样还是很不方便。
希望可以转成 HTML , PDF , 或者纯文字也可以。
於是在 github 上找到这东西： [obml-parser] .
可以把 OBML 转换回 HTML .
（同场加映，同位作者写的 [OBML 语法介绍] 。
如果有兴趣的话可以读。）
[obml-parser]:
https://github.com/grawity/hacks/blob/master/hacks/Text/obml-parser
[OBML 语法介绍]:
https://gist.github.com/grawity/702b31cddcc5a6622724/a00d1b072e7d7344488e4d1b6cae7ab3a14b2399
** 用 [python] 写得，所以你得要有 python 才行。 **
（或等某个好心人把它转成可执行档；
别看我，我不会 python . ）
请用 python3 或以上，我也不知道为什麽。
（我说过我不会 python. ）
因为我 [fedora] 23 , 直接打 python 是对应到 python2.X ,
然後 python2.X 说我的档案没有宣告编码。（？？？）
python3 就不会；所以我指令下 python3 .
（感觉是如果档案内有用到 *非 ASCII* 要宣告，
不然 python2.X 直译器会报错。）
python3 obml-parser *.obml
ls # 显示 *.obml *.obml.html
# 原本只有 `*.obml` ,
# 多出 `*.obml.html` .
在放 obml 的目录下会生成一个
`*.obml.html` 的档案，
可以直接用浏览器看。
## 糟糕的 HTML ##
打开後和用 opera mini 看一样……；
就是只有 6, 7 公分宽， [像这样] 。
如果不给看或看起来很奇怪，可以看一下原始码。
它的 HTML 很糟……，完全没有结构。
（没有 `<html>` , `<head>` , `<body>` , 全部混在一起。）
[像这样]:
http://myweb.ncku.edu.tw/~c34031328/study/html/opera_mini/54613806.obml16.html
而且还宣告了 `<!DOCTYPE html>` ...,
要求浏览器以标准的语法来剖析该文件。
（如果没有宣告，浏览器会以 [怪异模式] 来剖析 HTML .
这样就算语法不正确，看起来也 *还可以* 。）
### tidy 拯救混乱的 HTML ###
[tidy] 是 w3c 开启的一开源专案，
该程式会尝试修正不正确的 HTML 语法；
并重新排版。如果你的浏览很挑食，
拒绝 *obml-parser* 所生出的 HTML ,
可以试试这招。
（虽然我的 firefox 看起来都一样。）
tidy 前：
http://myweb.ncku.edu.tw/~c34031328/study/html/opera_mini/54613806.obml16.tidy.html
tidy 後：
http://myweb.ncku.edu.tw/~c34031328/study/html/opera_mini/54613806.obml16.html
** 注意！ **
*我的版本* 的 tidy 会预设将输入视为 ASCII ,
但很遗憾 *obml-parser* 所转出来的是 **UTF-8** .
所以你需要指定编码；或指定不处理编码问题。
tidy -raw *.obml.html > *.obml.tidy.html
# 不处理编码
tidy -utf8 *.obml.html > *.obml.tidy.html
# 指定 UTF-8
--
sent from mySQL.
--
※ 发信站: 梦之大地 (ccns.cc), 来自: 140.116.249.140
※ 文章网址: telnet://ccns.cc/
1F：推 foo:这作者……02/30 22:66
2F：推 void:奇文共赏！！02/30 28:19
--
※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 140.116.102.127
※ 文章网址: https://webptt.com/cn.aspx?n=bbs/Browsers/M.1455853537.A.3E6.html
※ 编辑: Gold740716 (140.116.102.127), 02/20/2016 12:25:50
3F：→ abram: 专业！ 02/21 15:24
改写并转载到 mobilecomm 板，但好像还是没什麽人气……。
我以为很多人用 opera mini 的……。
请问板主 m 文是？
※ 编辑: Gold740716 (140.116.102.127), 02/21/2016 21:34:54
4F：推 Go2: 觉得你很厉害 所以M文保留 XD 02/21 23:42