利用Python制作文本小说

关于技术的一点探讨

      本人也爱看一些稀奇古怪的小说吧，尤其是偏爱科幻小说，可是正版的条规不愿意花钱，只好在网络上找资源了，这里不得不感叹一下还是国内环境好啊，这些资源都可以找得到，只要肯下力气。本文作为一名Python的铁粉，对于用Python进行网络资源的爬去还是非常熟练的，因此便想到了用Python来爬取网站上的小说，然后制作完成后传到多看上阅读。      
      理想是美好的，现实是残酷的，我历时两天，写出了很多代码，结果仍不能算的是完美，接下来就说一下关于这段经历的具体纠葛。![](http://img3.imgtn.bdimg.com/it/u=640330160,2514427525&fm=23&gp=0.jpg)    
      多看阅读的度数体验确实很好，不过只支持`epub`和`TXT`格式，很让人发愁，`TXT`的电子书读起来一般般，效果不好，``epub``的阅读体验很好，于是便想着自己做一个``epub``电子书，在网上也是看了很多贴子，链接如下：    

http://www.pylist.com/topic/1439197138
http://blog.itpub.net/29733787/viewspace-1477082/
http://www.manuel-strehl.de/dev/simple_epub_ebooks_with_python.en.html

      结果是自己知道了```epub```格式是怎么做出来的，是怎么生成的，看完之后，自己就动手试了，按照人家的源代码，仔细研究，生成了```epub```格式电子书，结果多看不支持，文件有问题，只能说自己还是太菜，我决定还是先放弃，想要生成`epub`格式电子书要寻求第三方库的支持是个不错的选择。结果果然有很多以后的成果，想``mkepub``和`pypub`都是很成熟的作品。安装方法在`github`和各自的主页上都有着写，也是比较简单的。`pip install pypub`和`pip install mkepub`都是可以直接安装的，支持库也比较少。其实生成``epub``文件还是比较容易的，我也能生成，不知道那个支持文件有点问题，我不想再在这个上面耗太多时间，所以就放弃了，如果再来半天时间就差不多了。    

      用第三方库的感觉只能说恶心，不知道是我的问题还是库的问题，总之恶心，FUCK!，首先是`mkepub`库，看完库的简介和API后，用起来那是一个顺手，结果在最关键的地方，也就是add_page上出现了错误，最开始提示gbk无法解码，或者就是无法编码……，![](https://img.haomeiwen.com/i960630/34c4e4e7a6ea33a8?imageMogr2/auto-orient/strip%7CimageView2/2/w/1240)我一直以为是自己的电脑的编码的问题，但是差了很多的资料和相关博主，结果按照自己的理解和博客的方法都是没办法生成可以用的`epub`文件，当最终不报错了，我以为我成功了，把文件传到iBook和多看上打开，无法使用，把`epub`格式解压后，找到我写入的文件生成的html文件，一直提示页面渲染错误。我开始寻找bug，但是不是专业人才，也不知道html到底哪里的问题，尝试了很多办法，发现当写入的文件时英文时是可以用的，在生成的html文件中我检查页面，发现了lang=en的说明，我就知道我肯定没办法做出来了，这个库支持英文的不支持中文的。无法渲染中文，但是charset=‘utf-8’，我也实在不知道哪里错了。

      至此，我决定换个库，pypub出现在我面前，按照API看完了，然后使用一直提示importerror，FUCK！，![](https://img.haomeiwen.com/i960630/7fdfc21d7d0a1b0f.jpeg?imageMogr2/auto-orient/strip%7CimageView2/2/w/1240)然后在github项目主页上，找到了，这个库只支持Python2.。。。。。。。    

我还能说什么呢。我想TXT其实也不是那么难用的吧，然后就是TXT文件的生成了，这个不需要很多步骤，只需要将所有章节的文章从html中解析出来，然后合并到一起就可以了。结果出乎我的所料，由于我之前并没有对章节做重视，结果就是我不知道章节的顺序……，然后只好在最开始的时候加上索引，然后把文件合并生成了TXT文件，到这里其实已经成功了。但是做事情就应该精益求精嘛。我发现再多看里没有办法生成章节目录，好吧，按照其他的小说的模式，发现章节想要生成出来，章节必须独立一行，然后又加上这个步骤，终于是生成了，至此目的达成。

      补充一点，为了防止网站上发小黄书，对于什么“se”、“ri”、“cao”、“sao”、“yin”等都只能用拼音显示，阅读体验太差。另外，从网页上爬下来的，会有很多冗余信息，错误的标点符号都需要处理。我是根据以为大神说的在fmddlmyy贴吧扎到了cnbook软件，进行的处理，不过用Python也可以，自己想偷偷懒，重要的是想赶紧阅读小说了，对文字的处理不知道又要好久……，用前人成果还是快了许多的。    

      总结起来，一是自己的技术有限，没能生成`epub`格式的文件，二是第三方库对于中文的支持还是不太靠谱，还是需要国内做的更好吧，三就是通过这次项目的经历，自己的技术也更加纯熟了，加油！！！    

      人生苦短，我用Python！    

附件：
小说网站：http://www.23us.com/
编码博客：http://www.liaoxuefeng.com/wiki/0014316089557264a6b348958f449949df42a6d3a2e542c000/
http://www.cnblogs.com/fnng/p/5008884.html
`