花了两个晚上把 OPF 和 epub 格式整明白了,准备把订阅的 RSS 内容抓取下来做成电子书推到 kindle 中阅读。后续也会把自己博客整成电子书,提供给习惯 kindle 阅读的朋友。研究这些东西目的还是想回到比较纯粹的阅读设备上,毕竟手机屏小干扰多,看久了眼睛也有点不舒服。

本项目旨在写一个 Kindle 电子书的构建工具,从互联网上抓取数据,合并整合都生成一本小巧的 .mobi 电子书。而使用这个工具,你只需要编辑下配置文件,或者直接运行命令行工具。

注意: 项目中提供的 /bin/kindlegen 文件只适用于 Mac 系统,如果您使用的是 windows,需要在这里下载对应的 kindleGen,并替换本项目中的文件。 感谢 hillwah 的 PR,帮我添加了对其他平台的支持。

项目结构

数据有这么几个来源:

  • 通过抓取单个 uri 的内容,配合 title 和 content DOM 选择器,获取文章的标题和内容
  • 通过抓取 RSS 源获取内容
  • 使用本地数据,比如 hexo build 目录下的 html 文件

下图为该工具的一个结构图:

Kindle Book Maker

抓到数据后,工具会帮助分析过滤数据,尤其对 hexo 生成的文件做了特殊的处理,后续也会添加几个扩展功能(比如之间转换 markdown 文件),如果 html 中包含了远程内容——CSS、图片等——程序会全部抓取过来。

最后,使用官方提供了 kindleGen 工具构建,我已经把这个文件放到了 /bin/kindlegen 下,大约 28M,有点大。

使用方法

可以下载代码之后,尝试运行下已经提供了一个 DEMO(封面图片就懒得换了,是我自己的头像):

git clone //github.com/barretlee/kindleBookMaker.git;
cd kindleBookMaker;
npm install;
node index;
open build/*.mobi;

提供了很多方法可以调用,不过都通过命令行的方式简化了:

  • 从 RSS 源构建:

    node index --rss http://barretlee.com/rss2.xml
    # node index -r http://barretlee.com/rss2.xml
  • 从单个 URI 构建,-u URL titleQuery ContentQuery FilterRegExp, 其中 titleQuery 为文章标题的 css query,ContentQuery 为文章主要内容的 css query,FilterRegExp 为正则过滤:

    node index --uri \
    http://www.barretlee.com/blog/2016/04/28/mini-query/ \
    .post-title \
    .post-content \
    /<div class="shit-spider"[\s\S]+?<\/div>/
  • 从本地构建

    node index --dirctory ./src/demo/
    # node index -d ./src/demo/

还有另外三个参数:

  • --verbose, -v, 查看 kindle 构建的详细细节,因为编译也可能出错
  • --help, -h, 帮助说明
  • -push2kindle, -p, 将构建的 .mobi 文件推送你设定的 kindle 账户上

配置

var moment = require('moment');
module.exports = {
// entry: './src/KF8-Demo',
entry: {
base: './src/KF8-Demo',
list: []
},
bookInfo: {
title: "Barret Lee's Personal Website",
lang: "zh",
creator: "Barret Lee",
copyright: "Barret Lee",
publisher: "",
coverImage: 'coverImage.png'
},
/*option*/
output: {
base: './build',
format: '[name]-' + moment().format('YYYYMMDD')
},
/*option for uri*/
singlePage: {
title: 'div.title',
description: 'div.content',
reg: function(data) {
return data.replace(/<div class="shit-spider"[\s\S]+?<\/div>/, '');
}
},
/*option*/
push2kindle: {
email: 'barret.china@gmail.com',
password: 'your-email-password',
kindle: 'barretlee.com@kindle.cn'
}
};
  • entry, 可以为一个 String 或者 Object
    • base, 入口地址,下载的文件都会放在这里
    • list, list 参数,会影响最后生成的电子书的文章排序
  • bookInfo, 注意设置 coverImage,它为书籍封面图片
  • ouput, 可选参数, 默认值为 ./build[name]
  • singlePage, 可选参数, 从 URI 爬取数据时会用到
  • push2kindle, 可选参数, kindle 参数为你设备对应的推送邮箱, 可以在 这里 设置

Todo

  • 直接从 Markdown 文件生成内容
  • 找到 kindle 帐号偶尔不接受我推送 .mobi 文件的原因,意思就是有的时候推送未成功

参考文献