电子书现在已经非常容易获得了，制作电子书的成本也越来越低，本文分享一些制作epub电子书的方法，希望对你有帮助。
一本电子书的主要结构有:
- 书籍基本元信息:书名/作者/简介/封面图片/出版商/出版时间等等信息。
- 目录信息: 可以快速定位各个章节位置，方便搜索阅读位置。
- 章节的正文内容: 保存这本书中的详细阅读内容。
以上是我们的电子书主要结构，当然还有一些附加信息也是可以根据软件不同去附加上去的，但作为一本电子书，上面的结构就足够了。
很久以前写过一个爬虫项目，是专门用于自动生成epub电子书的工具，主要的功能：
- Python3语言实现，支持自定义规则实现爬取目标网页。
- 内置了gitbook/wordpress博客和javascript教程网站的编写示例，可以参考学习。
当初实现过程比较简单，只是拿来做爬虫练习写的，任何人都可以借鉴实现属于自己的更好的功能。
今天来说下实现这个功能的过程。
epub制作项目
- ebook_spider项目:一个通用的爬虫制作电子书项目。
这个项目将制作电子书的基本信息都封装在单个方法中，只需要实现对应方法就可以自动生成电子书了。
1.EbookLib库
这是一个Python库，作用是用来制作epub格式电子书。
本项目的epub文件制作就是使用了ebooklib库完成的，只不过为了简化而封装了一个电子书的基类Ebook
2.Ebook爬虫基类
这个Ebook就是一个爬虫基类，可以根据规则匹配网页链接的内容生成epub文件。
大致的运行过程为:
继承Ebook基类后，可以根据自己需要实现Chapter列表和Section列表的获取规则及正文获取规则，就可以自动将目标网址输出到epub电子书文件中，其中内置了img图片素材下载插件，非常方便将图片素材下载并打包到epub文件中。
Wordpress电子书制作
大多数个人博客是用wordpress搭建的，所以我们来看下如何将博客打包成epub电子书文件吧。
WordPressEbook类继承了Ebook，然后根据wordpress网站的布局规则，实现了章节、内容提取规则方法，之后的epub文件制作任务就交给ebooklib库去帮忙完成就可以了。 真的可以说是很简单了。你可以找一个wordpress博客试试看。
参考项目中的wp_ebook.py 文件:
#!/usr/bin/env python3
# -*- coding: utf-8 -*-
#########################################################################
# Author: zioer
# mail: [email protected]
# Created Time: 2020年01月02日 星期四 18时46分24秒
#########################################################################
from bs4 import BeautifulSoup as bs
from multiprocessing.dummy import Pool as ThreadPool
import multiprocessing as mp
from Base.EbookBase import Ebook
default_headers = {
'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_12_4) \
AppleWebKit/537.36 (KHTML, like Gecko) Chrome/57.0.2987.133 \
Safari/537.36'
}
class WordPressEbook(Ebook):
# 电子书制作
def __init__(self, params, outdir="./", proxy=""):
if not isinstance(params, dict):
raise TypeError("params type error! not dict type.")
self.url = params['url']
self.book_name = params['book_name']
self.author = params['author']
self.lang = params.get('lang', 'zh')
self.identifier = params.get('id', 'id0001')
self.page_num = params.get('page_num', 5) # 新增参数，用于拼接页数请求`{url}/page/{page}`
self.outdir = outdir
self.proxy = proxy
self.opts = {
}
self.plugin = None
def fetch_chapter_list(self, text):
'''
抓取章url列表
params:
text: 章列表的HTML页面
return
list [url, ...]
'''
soup = bs(text, "lxml")
# 提取章列表
a_list = ['{}/page/{}'.format(self.url, a) for a in range(1, self.page_num+1)]
return a_list
def fetch_section_list(self, text):
'''
抓取章/节(title,url)列表
params:
url: 访问页面URL
return
list [(has_chapter, intro, (title, url)), ...] , has_chapter: 是否分章节,True-是，默认False
'''
soup = bs(text, "lxml")
# 提取小节列表
a_list = soup.select(r'h2 > a')
# 提取书/章节描述信息(用于生成简介)
section_list = [(a.get_text(), a.get('href')) for a in a_list]
return section_list
def fetch_content(self, text):
"""
内容提取
params:
url: 小节URL地址
return:
content: 提取内容, 默认返回整个Body体内容
"""
try:
soup = bs(text, 'lxml')
title = '<h1>' + soup.title.text + '</h1>\n'
content = soup.find('div', 'entry-content')
if content is None:
content = soup.find('article')
return title + content.prettify()
except Exception as e:
print(e)
return None
if __name__ == '__main__':
start_urls = [
{
'url': 'https://www.learnhard.cn/',
'page_num': 3,
'book_name': '悟空的修炼笔记',
'author': 'learnhard.cn',
'id': 'learnhard',
'lang': 'zh'
},
]
ctx = mp.get_context('fork')
p_list = []
for params in start_urls[:]:
ebook = WordPressEbook(params, outdir="./")
p = ctx.Process(target=ebook.fetch_book)
p.start()
p_list.append(p)
for p in p_list:
p.join()
总结
这个项目是将网页爬虫与epub电子书制作两个需求融合在一起产生的，只要设置好章节、内容爬取规则就可以自动生成一部epub电子书，然后将epub格式转换为mobi或者azw3格式后存放到kindle阅读吧。
自己动手搞起来吧，既可以达到阅读博客文章的目的，又可以增长编程技能，你觉得这个项目怎么样？
喜欢这个项目就关注我吧，点关注不迷路，记得到github上也一键三连呀。