1. 環(huán)境準(zhǔn)備
安裝calibre
點(diǎn)擊這里去官網(wǎng)下載對應(yīng)自己系統(tǒng)的版本蝗锥，三個(gè)平臺(tái)都支持（就喜歡這樣跨平臺(tái)的軟件）。
驗(yàn)證安裝是否成功
打開terminal （如果是瘟都死系統(tǒng)可以打開cmd 或者 power shell）你画，輸入ebook-convert 出現(xiàn)如下提示，說明安裝成功了桃漾。
深度截圖_選擇區(qū)域_20191230171159.png
2. 腳本編寫
原理
calibre使用Python來抓取網(wǎng)頁數(shù)據(jù)坏匪，.recipe文件其實(shí)就是Python腳本。如果懂一些Python撬统，那最好不過了适滓。這個(gè)腳本關(guān)鍵點(diǎn)就兩個(gè)：
繼承BasicNewsRecipe類
實(shí)現(xiàn)parse_index(self)方法
干貨來了
新建一個(gè)后綴為.recipe文件，將以下代碼復(fù)制粘貼進(jìn)去恋追。編輯的時(shí)候凭迹，記得當(dāng)成Python腳本，否則縮進(jìn)造成的坑苦囱，你懂得嗅绸。
#!/usr/bin/env python
# vim:fileencoding=utf-8
from __future__ import unicode_literals, division, absolute_import, print_function
from calibre.web.feeds.news import BasicNewsRecipe
class E_Book(BasicNewsRecipe):
title = 'GO web 編程'
description = 'go語言教程'
max_articles_per_feed = 500
url_prefix = 'https://astaxie.gitbooks.io/build-web-application-with-golang/content/zh/'
no_stylesheets = True
remove_javascript = True
keep_only_tags = [{ 'class': 'book-body' }]
# remove_tags=[{'class':'x-wiki-info'}]
# remove_tags_after=[{'class':'x-wiki-content x-content'}]
def get_title(self, link):
return link.get_text().replace('\n',"").replace(' ',"")
def parse_index(self):
soup = self.index_to_soup(self.url_prefix)
div = soup.find('ul', { 'class': 'summary' })
articles = []
for link in div.findAll('a'):
til = self.get_title(link)
url = self.url_prefix + link['href']
a = { 'title': til, 'url': url }
articles.append(a)
tutorial = [(self.title, articles)]
return tutorial
腳本說明
哈哈，明明就是Python的語法撕彤！
-
E_book自定義的類鱼鸠，必須繼承BasicNewsRecipe（劃重點(diǎn)）。名字符合命名規(guī)范即可羹铅。 -
title父類中的成員變量蚀狰。書名，值可以任意修改睦裳。 -
description父類中的成員變量造锅。 對生成電子書的描述，值可以任意修改廉邑。 -
max_articles_per_feed父類中的成員變量哥蔚。 目錄索引的最大數(shù)目倒谷，就是目錄中指向文章的鏈接數(shù)目。自己大概估算下就好糙箍，一般的500就夠了（當(dāng)然渤愁，你要抓取《本草綱目》就遠(yuǎn)遠(yuǎn)超過500了）。 -
url_prefix這個(gè)就要抓取電子書的地址深夯，視情況而定抖格。跟后面的parse_index方法中抓取的文章鏈接拼接成完整的URL。 -
keep_only_tags父類中的成員變量咕晋。生成的電子書要保留的節(jié)點(diǎn)內(nèi)容，畢竟整個(gè)網(wǎng)頁上多余的東西太多了掌呜，我們只需要保留書本正文內(nèi)容即可滓玖。可以有多個(gè)质蕉。例如：keep_only_tags = [{'class':'book-body},{'id':"abc"}]势篡。這個(gè)根據(jù)具體情況修改，示例中是針對gitbook電子書的節(jié)點(diǎn)設(shè)置的模暗。 -
remove_tags和remove_tags_after這兩個(gè)酌情使用禁悠，跟keep_only_tags相反，目的是移除無用的節(jié)點(diǎn)兑宇。自己可以試試修改移除每章后面的link標(biāo)簽后面的內(nèi)容碍侦，看看效果。 -
parse_index（加粗劃重點(diǎn)）必須實(shí)現(xiàn)的方法顾孽，返回一個(gè)內(nèi)容為元組(書名和目錄列表的鏈接地址)的list祝钢，注意元組中的鏈接要拼接成完整的地址。具體實(shí)現(xiàn)要看對應(yīng)的a標(biāo)簽如何過濾若厚。 -
get_title這個(gè)是自定義的方法拦英，目的是拿到a標(biāo)簽中的標(biāo)題內(nèi)容。這里有個(gè)大坑测秸，就是內(nèi)容里面有換行符是不行的疤估，否則抓出來的目錄標(biāo)題都是未知。
3. 運(yùn)行腳本
腳本編好了之后霎冯，我們把他保存為go_web.recipe 铃拇。
打開terminal，輸入 ebook-convert go_web.recipe GoWeb.epub
等待執(zhí)行結(jié)束沈撞，我們就看到生成了GoWeb.epub這本電子書慷荔。當(dāng)然我們也可以輸出個(gè)pdf文件（GoWeb.pdf）或者mobi文件（GoWeb.mobi）
總結(jié)
只要修改url_prefix的值，就可以抓取gitbook生成的在線電子書了缠俺。
如果你覺得對你油幫助显晶，請支持下作者哦贷岸！
