FictionDown
FictionDown 是一个命令行界面的小说爬取工具
用于批量下载盗版网络小说，该软件仅用于数据分析的样本采集，请勿用于其他用途
该软件所产生的文档请勿传播，请勿用于数据评估外的其他用途
文档
文档目前「指南」部分已完成，你可以在这里查看。
特性
- 以起点为样本，多站点多线程爬取校对
- 支持导出 txt，以兼容大多数阅读器
- 支持导出 epub(还有些问题，某些阅读器无法打开)
- 支持导出 markdown，可以用 pandoc 转换成 epub，附带 epub 的
metadata，保留书本信息、卷结构、作者信息
- 内置简单的广告过滤（现在还不完善）
- 用 Golang 编写，安装部署方便，可选的外部依赖：Chromedp
- 支持断点续爬，强制结束再爬会在上次结束的地方继续
站点支持
- 是否正版：✅ 为正版站点 ❌ 为盗版站点
- 是否分卷：✅ 章节分卷 ❌ 所有章节放在一个卷中不分卷
- 站内搜索：✅ 完全支持 ❌ 不支持 ❔ 站点支持但软件未适配 ⚠️ 站点支持，但不可用或维护中 ⛔ 站点支持搜索，但没有好的适配方案（比如用 Google 做站内搜索）
使用注意
- 起点和盗版站的页面可能随时更改，可能会使抓取匹配失效，如果失效请提 issue
- 生成的 EPUB 文件可能过大，市面上大多数阅读器会异常卡顿或者直接崩溃
- 某些过于老的书或者作者频繁修改的书，盗版站都没有收录，也就无法爬取，如能找此书可用的盗版站请提 issue，并写出书名和正版站链接、盗版站链接
工作流程
- 输入起点链接
- 获取到书本信息，开始爬取每章内容，遇到 vip 章节放入
Example中作为校对样本
- 手动设置笔趣阁等盗版小说的对应链接，
tamp字段
- 再次启动，开始爬取，只爬取 VIP 部分，并跟
Example进行校对
- 手动编辑对应的缓存文件，手动删除广告和某些随机字符(有部分是关键字,可能会导致 pandoc 内存溢出或者样式错误)
conv -f md生成 markwown- 用 pandoc 转换成 epub，
pandoc -o xxxx.epub xxxx.md
Example
> ./FictionDown --url https://book.qidian.com/info/3249362 d # 获取正版信息
# 有时会发生`not match volumes`的错误，请启用Chromedp或者PhantomJS
# Use Chromedp
> ./FictionDown --url https://book.qidian.com/info/3249362 -d chromedp d
# Use PhantomJS
> ./FictionDown --url https://book.qidian.com/info/3249362 -d phantomjs d
> vim 一世之尊.FictionDown # 加入盗版小说链接
> ./FictionDown -i 一世之尊.FictionDown d # 获取盗版内容
# 爬取完毕就可以输出可阅读的文档了
> ./FictionDown -i 一世之尊.FictionDown conv -f txt
# 转换成epub有两种方式
# 1.输出markdown，再用pandoc转换成epub
> ./FictionDown -i 一世之尊.FictionDown conv -f md
> pandoc -o 一世之尊.epub 一世之尊.md
# 某些阅读器需要对章节进行定位,需要加上--epub-chapter-level=2
> pandoc -o 一世之尊.epub --epub-chapter-level=2 一世之尊.md
# 2.直接输出epub（调用Pandoc）
> ./FictionDown -i 一世之尊.FictionDown conv -f epub
可直接根据搜索结果直接下载（当存在至少一个正版源时可用）
> ./FictionDown s -d -k "诡秘之主"
站内搜索，然后填入
> ./FictionDown --url https://book.qidian.com/info/3249362 d # 获取正版信息
# 有时会发生`not match volumes`的错误，请启用Chromedp或者PhantomJS
# Use Chromedp
> ./FictionDown --url https://book.qidian.com/info/3249362 --driver chromedp d
# Use PhantomJS
> ./FictionDown --url https://book.qidian.com/info/3249362 --driver phantomjs d
> ./FictionDown -i 一世之尊.FictionDown s -k 一世之尊 -p # 搜索然后放入
> ./FictionDown -i 一世之尊.FictionDown d # 获取盗版内容
# 爬取完毕就可以输出可阅读的文档了
> ./FictionDown -i 一世之尊.FictionDown conv -f txt
# 转换成epub有两种方式
# 1.输出markdown，再用pandoc转换成epub
> ./FictionDown -i 一世之尊.FictionDown conv -f md
> pandoc -o 一世之尊.epub 一世之尊.md
# 2.直接输出epub（某些阅读器会报错）
> ./FictionDown -i 一世之尊.FictionDown conv -f epub
未实现
- 爬取正版的时候带上
Cookie，用于爬取已购买章节
- 支持 晋江文学城
- 支持 纵横中文网
- 支持有毒小说网
- 支持刺猬猫（即“欢乐书客”）
- 整理 main 包中的面条逻辑
- 整理命令行参数风格
- 完善广告过滤
- 简化使用步骤
- 优化 log 输出
- 对于特殊章节，支持手动指定盗版链接或者跳过忽略
- 外部加载匹配规则，让用户可以自己添加正/盗版源
- 支持章节更新
- 章节匹配过程优化
Usage
NAME:
FictionDown - https://github.com/ma6254/FictionDown
USAGE:
[global options] command [command options] [arguments...]
AUTHOR:
ma6254 <[email protected]>
COMMANDS:
download, d, down 下载缓存文件
check, c, chk 检查缓存文件
edit, e 对缓存文件进行手动修改
convert, conv 转换格式输出
pirate, p 检索盗版站点
search, s 检索盗版站点
help, h Shows a list of commands or help for one command
GLOBAL OPTIONS:
-u value, --url value 图书链接
--tu value, --turl value 资源网站链接
-i value, --input value 输入缓存文件
--log value log file path
--driver value, -d value 请求方式,support: none,phantomjs,chromedp
--help, -h show help
--version, -v print the version
安装和编译
程序为单执行文件，命令行 CLI 界面
包管理为 gomod
go install github.com/ma6254/FictionDown@latest
交叉编译这几个平台的可执行文件：linux/arm linux/amd64 darwin/amd64 windows/amd64
make multiple_build
评论