..
用pandoc和calibre生成电子书
前几年在Windows下，经常用一些别人的现成工具来做epub，切换到Linux下，有些不适应。这几天做了一些尝试，记录一下：
python抓取与calibre
用简单脚本，尝试抓取了好奇心日报的几个专栏，包括：
- 我们如何与未来相处
- 万物简史
- 房子和我们的生活
期间遇到异步载入的问题，还有抓取图片失败的问题，慢慢也解决了，能基本完成目标。有的专栏已经不见了，比如“我们如何与未来相处”这个系列，只能从别处找来手工用Sigil编辑，可以利用的是一个Chrome浏览器扩展：EpubPress。
好笑的是，后来我发现calibre内置了新闻抓取功能，同样是基于 python 和 BeautifulSoup，通过简单修改recipe文件，大部分网站都能抓。用了好久一直没注意这个功能，不过自己用python也是学习的过程，也能结局另类网站的特别情况。calibre的抓取新闻还是有用的，直接抓取推送kindle。
text生成电子书
思路很简单，利用 pandoc 这个强大工具，markdown 格式可以方便的转换成epub、mobi。步骤：
- 修正text文档，给章节加上#，markdown包含的本地图片可以做为插图
- 预先建立（或在python脚本中生成）metadata.txt文件，包含电子书的元数据，官方例子，可以指定封面和CSS。
- pandoc 生成 epub 文件，markdown文件会自动按标题切分，并生成目录，支持指定目录深度。
- calibre 内置的 ebook-convert 可以转换 epub 到 mobi
这样编辑出来的epub文件，用 Sigil 检查完全符合规范，自动化完成。对于注释、字体美化等问题，我也不太关注。我写的脚本在github。
文本整理
除了开始提到的抓取，早期电子书基本来自个人的OCR，后来大部分都是购买后破解得来。
OCR的错漏，以及txt格式电子书传播中的各种现状，造就了很多电子书工具，比如老马的工具（现在搬到百度网盘了）。之前还收集了一些，脱离了Windows 也就不需要了。
通过学bash和python，能解决大部分问题。google能排除大部分错误，也能发现前人走过的坑。前一段还用把自己在豆瓣的已读记录爬了下来，爬哪天豆瓣完了或者删掉某本书。
20181020