如何自动生成一本epub电子书

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。

项目地址，虽然Star不多，但是用起来还是很好用的。
文档地址，开发过程中需要阅读文档介绍。

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:

#mermaid-svg-odFRCGr5NHzEZb5v {font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;fill:#333;}#mermaid-svg-odFRCGr5NHzEZb5v .error-icon{fill:#552222;}#mermaid-svg-odFRCGr5NHzEZb5v .error-text{fill:#552222;stroke:#552222;}#mermaid-svg-odFRCGr5NHzEZb5v .edge-thickness-normal{stroke-width:2px;}#mermaid-svg-odFRCGr5NHzEZb5v .edge-thickness-thick{stroke-width:3.5px;}#mermaid-svg-odFRCGr5NHzEZb5v .edge-pattern-solid{stroke-dasharray:0;}#mermaid-svg-odFRCGr5NHzEZb5v .edge-pattern-dashed{stroke-dasharray:3;}#mermaid-svg-odFRCGr5NHzEZb5v .edge-pattern-dotted{stroke-dasharray:2;}#mermaid-svg-odFRCGr5NHzEZb5v .marker{fill:#333333;stroke:#333333;}#mermaid-svg-odFRCGr5NHzEZb5v .marker.cross{stroke:#333333;}#mermaid-svg-odFRCGr5NHzEZb5v svg{font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;}#mermaid-svg-odFRCGr5NHzEZb5v .label{font-family:"trebuchet ms",verdana,arial,sans-serif;color:#333;}#mermaid-svg-odFRCGr5NHzEZb5v .cluster-label text{fill:#333;}#mermaid-svg-odFRCGr5NHzEZb5v .cluster-label span{color:#333;}#mermaid-svg-odFRCGr5NHzEZb5v .label text,#mermaid-svg-odFRCGr5NHzEZb5v span{fill:#333;color:#333;}#mermaid-svg-odFRCGr5NHzEZb5v .node rect,#mermaid-svg-odFRCGr5NHzEZb5v .node circle,#mermaid-svg-odFRCGr5NHzEZb5v .node ellipse,#mermaid-svg-odFRCGr5NHzEZb5v .node polygon,#mermaid-svg-odFRCGr5NHzEZb5v .node path{fill:#ECECFF;stroke:#9370DB;stroke-width:1px;}#mermaid-svg-odFRCGr5NHzEZb5v .node .label{text-align:center;}#mermaid-svg-odFRCGr5NHzEZb5v .node.clickable{cursor:pointer;}#mermaid-svg-odFRCGr5NHzEZb5v .arrowheadPath{fill:#333333;}#mermaid-svg-odFRCGr5NHzEZb5v .edgePath .path{stroke:#333333;stroke-width:2.0px;}#mermaid-svg-odFRCGr5NHzEZb5v .flowchart-link{stroke:#333333;fill:none;}#mermaid-svg-odFRCGr5NHzEZb5v .edgeLabel{background-color:#e8e8e8;text-align:center;}#mermaid-svg-odFRCGr5NHzEZb5v .edgeLabel rect{opacity:0.5;background-color:#e8e8e8;fill:#e8e8e8;}#mermaid-svg-odFRCGr5NHzEZb5v .cluster rect{fill:#ffffde;stroke:#aaaa33;stroke-width:1px;}#mermaid-svg-odFRCGr5NHzEZb5v .cluster text{fill:#333;}#mermaid-svg-odFRCGr5NHzEZb5v .cluster span{color:#333;}#mermaid-svg-odFRCGr5NHzEZb5v div.mermaidTooltip{position:absolute;text-align:center;max-width:200px;padding:2px;font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:12px;background:hsl(80, 100%, 96.2745098039%);border:1px solid #aaaa33;border-radius:2px;pointer-events:none;z-index:100;}#mermaid-svg-odFRCGr5NHzEZb5v :root{--mermaid-font-family:"trebuchet ms",verdana,arial,sans-serif;}

HTTPS访问

True,有章节

False,无chapter列表

True,有section

False,无section

电子书内容网址

是否有chapter列表?

获取chapter列表

是否有section列表?

获取文本内容

异常退出

输出epub文件

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: next4nextjob@gmail.com
# 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 mpfrom Base.EbookBase import Ebookdefault_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 = outdirself.proxy = proxyself.opts = {}self.plugin = Nonedef fetch_chapter_list(self, text):'''抓取章url列表params:text:  章列表的HTML页面returnlist  [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_listdef fetch_section_list(self, text):'''抓取章/节(title,url)列表params:url:  访问页面URLreturnlist  [(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_listdef 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 Noneif __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。