python epub.js_如何利用Python打包HTML页面为epub?

最近沉迷于将各种博客和官方文档html转化成pdf，结果用手机看还是不太方便，所以想到将html转化成epub格式的电子书，要用os,re,requests,lxm,zipfile,五个库,在这里分享下大概思路。我们的目标是太白金星博客园的python基础教程--太白教你学python，目录url:https://www.cnblogs.com/jin-xin/p/9076242.html。

第一步，利用requests库访问第一个目录url,用re或者lxml中的etree，获取目录中对应章节的url和标题。urls,names两个列表。示例代码如下:

import requests

from lxml import etree

import os

import re

from fake_useragent import UserAgent

headers = {'User-Agent': UserAgent().random}

r = requests.get(url=url, headers=headers)

r.encoding = r.apparent_encoding

html = etree.HTML(r.text)

lis = html.xpath('.//a[@target="_blank"]')[1:]

urls = [i.xpath('@href')[0] for i in lis]

names = [i.text for i in lis]

第二步，for循环urls列表,利用requests库访问对应章节的url来，并用re对其进行处理，来获取我们需要放进epub的数据内容。(这里解释下为什么要用re不用etree，etree一般是用来获取格式化的标签的属性值，而re则是从html源代码上直接获取片段内容，在这里我们需要的就是网页源代码。)我们需要的是文本内容问html和示例图片img这两种数据，至于多余网页导航，侧边栏，评论，广告之类的通通不要。在这里发现获取到的图片标签的src都是网络url,而epub中只能从本地路径中导入，因此获取img标签的src属性值，将图片下载到本地文件夹中按数字编号保存文件名(1.png,2.png,3.png....)，并用re.sub将文本html中的img的src属性替换成本地路径，将html写入本地文件前我们需要将其包裹在

标签中，并增加标签构成一个完整的网页，有需要还可以增加title标签。到这里，我们需要的数据就准备好了。示例代码如下:

nums = len(names)

num = 0

os.chdir('D:\藏书馆\小说')

img_num = 1

while num < nums:

r = requests.get(url=urls[num], headers=headers)

r.encoding = r.apparent_encoding

html = r.text

html = re.findall('(

',html,flags=re.S)[0]

imgs = re.findall('< img src="(.+?)" alt="">',html)

print(len(imgs))

for i in imgs:

try:

r = requests.get(url=i, headers=headers)

with open(f'{img_num}.png', 'wb')as f:

f.write(r.content)

html = re.sub('< img src="(.+?)" alt="">',f'< img src="../Images/{img_num}.png">',html,1)

img_num += 1

except:

print(i)

name = names[num]

for tsstr in ':!~?:".。，、？；：！·~()[]{}（）【】{}':

name = name.replace(tsstr, '')

name=f'{num:<3}'+ ' ' + name

with open(f'{name}.html','w', encoding='utf-8')as f:

f.write(html)

num+=1

print(f'{name}下载完毕，当前下载进度：{num}/{nums}')

第三步，创建一个文件夹，把它压缩后就是我们的.epub文件了，当然不是现在就压缩啦！文件夹目录如下:

一级目录中有两个文件夹和一个文件，META-INF文件夹，OEBPS文件夹和mimetype文件。mimetype文件里面只写一行:application/epub+zip,NETA-INF文件夹中只有一个container.xml文件,内容是:

<?xml version="1.0" encoding="utf-8"?>

OEBPS文件夹中有Images文件夹，Text文件夹，和content.opf文件与toc.ncx文件。

Images文件夹中存放所有的img图片，Text文件夹中存放所有的html文件，content.opf文件是Images与Text中所有文件的一个清单，格式如下:

<?xml version="1.0" encoding="utf-8"?>

urn:uuid:758b33c6-6ddb-4d52-a91c-50b137b50ef3

[此处填写标题]

2020-11-04

......

toc.ncx文件是目录文件，格式如下:

<?xml version="1.0" encoding="UTF-8"?>

/p>

[此处填写标题]

一，Python介绍

1. python的出生与应用

2. python是什么编程语言。

3. python的优缺点。

4. python的种类。

二. python环境

......

这两个文件都可以利用os库一键生成，至此所有文件数据准备完毕。

第四步，利用zipfile库，和os库压缩文件合成.epub文件。一定要把mimetype文件第一个写入，再将其他固定文件(r'META-INF\container.xml',r'OEBPS\content.opf',r'OEBPS\toc.ncx')写入,最后将.html和.png文件逐个写入，示例代码如下:

import zipfile

import os

os.chdir(r'C:\Users\My\Desktop\新建文件夹')

epub = zipfile.ZipFile(r'C:\Users\My\Desktop\新建文件夹.epub','w')

epub.write('mimetype',compress_type=zipfile.ZIP_STORED)

print(os.listdir('.'))

for i in [r'META-INF\container.xml',r'OEBPS\content.opf',r'OEBPS\toc.ncx']:

epub.write(i, compress_type=zipfile.ZIP_DEFLATED)

for p in [r'.\OEBPS\Images', r'.\OEBPS\Text']:

for f in os.listdir(p):

print(os.path.join(p,f))

epub.write(os.path.join(p,f),compress_type=zipfile.ZIP_DEFLATED)

epub.close

至此，我们的epub格式电子书就制作完成了，以上内容只是我个人的想法和做法，欢迎大家一起加入讨论，另附:今天，你变得更博学了吗？

python epub.js_如何利用Python打包HTML页面为epub?相关推荐

Python语言学习：利用python获取当前/上级/上上级目录路径(获取路径下的最后叶目录的文件名、合并两个不同路径下图片文件名等目录/路径案例、正确加载图片路径)之详细攻略
Python语言学习:利用python获取当前/上级/上上级目录路径(获取路径下的最后叶目录的文件名.合并两个不同路径下图片文件名等目录/路径案例.正确加载图片路径)之详细攻略目录利用python ...
Python语言学习：利用python语言实现调用内部命令(python调用Shell脚本)—命令提示符cmd的几种方法
Python语言学习:利用python语言实现调用内部命令(python调用Shell脚本)-命令提示符cmd的几种方法目录利用python语言实现调用内部命令-命令提示符cmd的几种方法 T1. ...
用python做数据分析pdf_利用python进行数据分析pdf
利用python进行数据分析pdf微盘下载!<利用python进行数据分析>利用Python实现数据密集型应用由浅入深帮助读者解决数据分析问题~适合刚刚接触Python的分析人员以及刚刚接 ...
Python之ffmpeg：利用python编程基于ffmpeg将m4a格式音频文件转为mp3格式文件
Python之ffmpeg:利用python编程基于ffmpeg将m4a格式音频文件转为mp3格式文件目录利用python编程基于ffmpeg将m4a格式音频文件转为mp3格式文件 1.先下载ff ...
python epub 精品_如何利用Python打包HTML页面为epub?
最近沉迷于将各种博客和官方文档html转化成pdf,结果用手机看还是不太方便,所以想到将html转化成epub格式的电子书,要用os,re,requests,lxm,zipfile,五个库,在这里分享 ...
python里的resize_利用python之wxpy模块玩转微信！这部小儿科吗！
wxpy也是一个python的模块,利用它我们可以做很多有意思的事情首先利用一句代码我们就可以利用python登录网页版微信 bot = Bot(cache_path= True) 这条语句会产生一 ...
python音频聚类_利用python的KMeans和PCA包实现聚类算法
题目: 通过给出的驾驶员行为数据(trip.csv),对驾驶员不同时段的驾驶类型进行聚类,聚成普通驾驶类型,激进类型和超冷静型3类 . 利用Python的scikit-learn包中的Kmeans算法 ...
python mysql 分页_利用python对mysql表做全局模糊搜索并分页实例
在写django项目的时候,有的数据没有使用模型管理(数据表是动态添加的),所以要直接使用mysql.前端请求数据的时候可能会指定这几个参数:要请求的页号,页大小,以及检索条件. "&quo ...
python过去日期_利用python获取当前日期前后N天或N月日期的方法示例
前言最近因为工作原因,发现一个Python的时间组件,很好用分享出来!(忘记作者名字了,在这里先感谢了),下面话不多说,来一起看看详细的介绍吧. 示例代码: # -*- coding: utf-8 ...

python epub.js_如何利用Python打包HTML页面为epub?

python epub.js_如何利用Python打包HTML页面为epub?相关推荐

最新文章

热门文章