电子书自由：python生成epub电子书-轻识

前言

最近在看《剑来》小说，但是kindle在线看不方便，而且我在网上找到的只有600多章，目前最新已经更新到了1200章，为了确保后面有书可读，同时也为了巩固下python技能，于是我找到一个免费的网站，然后通过python获取书籍内容，最终将获取到的内容，生成epub电子书，核心内容如下：

获取电子书的内容：通过requests和parsel获取内容
生成epub电子书：通过ebooklib生成电子书

获取电子书

这里主要是通过requests来获取页面内容，并通过parsel来解析页面内容，下面我们介绍下具体操作方法和原理。具体过程仅供参考学习，各位小伙伴请不要搞事情。

安装依赖

这里我们首先安装requests和parsel的依赖：

pip install requests
pip install parsel

获取网页内容

requests我不打算详细讲了，这个库很常用，文档也很多，使用方法本身也不复杂，简单看下文档就可以上手了，这里直接给出一个请求示例：

import requests

headers = {
        "User-Agent": "Mozilla/5.0 (Linux; Android 13; MEIZU 18s Build/TKQ1.221114.001) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/111.0.5563.116 Mobile Safari/537.36"

    }

    response = requests.get(url='https://www.baidu.com', headers=headers, verify=False)
    response.encoding='gbk'
    # 打印页面内容，这里拿到的就是html页面的内容
    print(response.text)

解析页面

parsel是也是一个特别常用的三方库，我们可以使用XPath和CSS选择器（可选地与正则表达式结合）的方式，从HTML和XML提取数据的库，官方地址如下：

https://pypi.org/project/parsel/

这里我主要分享css选择器的方式，通过这个库，我们可以像前端jquery的方式解析html，这里给出一个示例，例如我们需要获取如下html中a标签的href和tetxt:

import parsel

html_content = '''
<div class="detail detail-side">     
    <ul class="myui-vodlist__text col-pd clearfix">
  <li>
   <a href="/voddetail/129832.html" title="逆天邪神">
                <span class="pull-right  text-muted" style="color:;">30集全</span>              <span class="badge badge-first">1</span>逆天邪神       
                </a>
  </li>
 </ul>
</div>
'''

selector1 = parsel.Selector(html_content)
a_selector = contents = selector1.css('.detail li')[0]
href = a_selector.css('a::attr(href)').get()
# 结果：/voddetail/129832.html
print(href)
text = a_selector.css('a::text').getall()
# 打印结果：['\n                ', '            \t\t', '逆天邪神       \n                ']
print(text)

这里简单介绍下上面的代码：

parsel.Selector(html_content)：初始化一个选择器，传入网页内容即可，也可以直接传入response.text
selector1.css('.detail li')：这里就是通过css的方式获取页面元素，.detail就对应前端的class，这个和jquery是一样的语法，如果是id方式获取则是#id。我们这里的写法是获取class="detail"下面所有的li标签的元素（子或者孙元素），如果像获取直接子元素这样写：

selector1.css('.detail > li > a')：这个就表示选择.detail直接子标签li下面的直接子标签a

a::attr(href)表示获取a标签href的值，也就是标签上的属性，比如style，src，href等
a::text表示获取a标签内的内容，由于当前a标签有多个内容，所以通过getall()来获取，get()默认就是获取第一个。注意：执行过get或者getall之后的对象因为已经不是选择器对象了，所以是不能调用css方法的

完整代码

完整代码如下，隐去了具体网址，再次说明，代码仅供参考，各位小伙伴学习下就行了，不要搞事情。

import requests
import parsel
import urllib3
import os 

urllib3.disable_warnings()
requests.packages.urllib3.disable_warnings()

def get_pages(base_url):
    results = []
    for page in range(4):
        page_url =f'{base_url}/jianlai/index{page + 1}.html'
        datas = get_page_info(url=page_url, base_url=base_url)
        if len(datas) > 0:
            results += datas
    return results
        
def get_page_info(url, base_url):
    headers = {
        "User-Agent": "Mozilla/5.0 (Linux; Android 13; MEIZU 18s Build/TKQ1.221114.001) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/111.0.5563.116 Mobile Safari/537.36"
    }
    response = requests.get(url=url, headers=headers, verify=False)
    response.encoding='gbk'
    selector1 = parsel.Selector(response.text)
    datas = []
    contents = selector1.css('.chapter9 > div')
    for content in contents:
        href = base_url + content.css('a::attr(href)').get()
        title = content.css('a::text').get()
        datas.append((href, title))
    return datas
            
def get_single_page(url):
    headers = {
        "User-Agent": "Mozilla/5.0 (Linux; Android 13; MEIZU 18s Build/TKQ1.221114.001) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/111.0.5563.116 Mobile Safari/537.36"
    }
    response = requests.get(url=url, headers=headers, verify=False)
    response.encoding='gbk'

    selector1 = parsel.Selector(response.text)
    contents = selector1.css('#content').get()
    return contents
        
if __name__ == "__main__":
    base_url = "https://www.1111.com"
    url = f"{base_url}/jianlai/index1.html"
    results = get_pages(base_url=base_url)
    print(results)
    path = './剑来'
    if not os.path.exists(path):
        os.mkdir(path)
    index = 1
    for result in results:
        with open(f'{path}/{index} {result[1]}.txt', 'w+', encoding='utf-8') as f:
            content = get_single_page(result[0])
            f.write(content)
        index += 1

最终运行的效果是在本地生成如下文件：

生成epub电子书

安装依赖

首先安装ebooklib库，EbokLib是一个用于管理EPUB2/EPUB3和Kindle文件的Python库。它能够以编程方式读取和写入EPUB文件（Kindle支持正在开发中）。

pip install ebooklib

库的仓库地址：

https://github.com/aerkalov/ebooklib

生成电子书

这个三方库我也是第一次使用，还在摸索中，遇到问题各位小伙伴自行搜索。

 # 创建EPUB书籍对象  
    book = epub.EpubBook()  
  
    # 设置书籍的元数据  
    book.set_identifier('id123456') # 书籍的唯一标识符  
    # 封面
    book.set_cover(cover_image, open(cover_image, 'rb').read())
    book.set_title(book_title) # 书籍的标题  
    book.set_language('zh') # 书籍的语言  
    book.add_author(author) # 书籍的作者  
  
    # 创建 CSS 样式  
    css_text = '''  
    @namespace epub "http://www.idpf.org/2007/ops";    
    body {        font-family: "Times New Roman", Times, serif;    }    
    p {        text-indent: 2em; /* 设置段落首行缩进 */        margin-top: 0;        margin-bottom: 1em;    }    
    '''  
    # 创建一个 CSS 文件对象  
    style = epub.EpubItem(uid="style", file_name="style/style.css", media_type="text/css", content=css_text)  
    # 将 CSS 文件添加到 EPUB 书籍中  
    book.add_item(style)  
  
    # 创建前言页面  
    c1 = epub.EpubHtml(title='前言', file_name='intro.xhtml', lang='zh')  
    c1.content = f'<html><head></head><body><h1>{book_title}</h1><p>作者：{author}</p><p>{update}</p><p>简介：{introduction}</p></body></html>'  
    book.add_item(c1)  
  
    # 初始化书脊  
    spine = ['nav', c1]  
  
    # 添加章节  
    for index in sorted(chapters_content.keys()):  # 按键排序  
        chapter = chapters_content[index]  
        title = chapter['title']  
        content = chapter['content']  # 将内容包裹在 <p> 标签中  
        # 创建 EPUB 格式的章节  
        epub_chapter = epub.EpubHtml(title=title, file_name=f'chapter_{index + 1}.xhtml', lang='zh')  
        epub_chapter.content = f'<html><head><style type="text/css">{css_text}</style></head><body><h2>{title}</h2>{content}</body></html>'  
        book.add_item(epub_chapter)  
        spine.append(epub_chapter)  
  
    # 设置书脊  
    book.spine = spine  
  
    # 创建目录列表，开始时包括前言链接  
    toc = [epub.Link('intro.xhtml', '前言', 'intro')]  
    # 对于每个章节，添加一个章节链接到目录列表中  
    for index in sorted(chapters_content.keys()):  
        chapter = chapters_content[index]  
        title = chapter['title']  
        # 创建章节的链接对象  
        chapter_link = epub.Link(f'chapter_{index + 1}.xhtml', title, f'chapter_{index + 1}')  
        toc.append(chapter_link)  
  
    # 最后，将目录列表设置为书籍的 TOC    
    book.toc = tuple(toc)  
  
    # 添加必要的 EPUB 文件  
    book.add_item(epub.EpubNcx())  
    book.add_item(epub.EpubNav())  
  
    # 保存 EPUB 文件  
    epub_path = f'{book_title}.epub'  
    epub.write_epub(epub_path, book, {})  
    print(f"EPUB 文件已创建: {epub_path}")

上面注释很详细，需要特殊说明的是，在实际测试过程中，发现css_text并不生效，所以最后我直接把css的样式（比如段落缩进）写在了p标签上。

css样式的调试有个技巧，epub其实是一种压缩文件，所以我们可以通过7-zip直接打开，然后调试其中的xhtml文件即可：

最终，生成的效果如下：晚点让我试下kindle能否正常打开。

好了，到这里我们今天的内容就结束了，感兴趣的小伙伴自己动手吧

结语

最近写了好多类似的脚本，有搞视频的，搞文档的，还有今天这个搞小说的，最大的体会是要学好python，还是要应用起来，用起来会遇到很多问题，解决问题就会成长，这就是一个孰能生巧的过程。