处理某些目录网页不能被calibre解析的方法

　　编写calibre的recipe脚本，来下载并制作电子书是一个很方便而适用的好方法。但有的时候也会让你觉得郁闷的要命。面对一个书的目录页面，无论你如何修改recipe程序，calibre就是无法正确地解析页面，形成下载的种子。

　　仔细分析后发现，这些页面多数都是有一些特殊的字符或者处理办法，目的就是干扰使用程序自动下载图书。页面是在网站上的，我们无法进行修改和处理。那么是不是就没有办法还下载了呢？

　　“山不过来我过去”，反正我只是为了下载电子书的内容，何不把目录页面下载到本地，直接读本地文件，生成feed呢。下载到本地的目录页面文件尽可以按我们的要求进行修改，保证calibre的解析正确，能够生成正确的feed，方便calibre进行下载。而修改一个目录页面的工作量不是很大，只要知道一点html语法，很容易就可以实现。

　　经过几次尝试，发现这个办法非常成功，只要在index_to_soup方法中把url写成file:///加上自己保存目录页面的路径和文件名。其实如果你不知道如何写的话，直接用浏览器打开这个文件，然后把地址栏的内容复制，粘贴到index_to_soup中url的位置，当然引号是不能少的。这样就没有任何问题了。原来index_to_soup中是仿浏览器来下载和分析目录页面，生成beatifulsoup结构的，所以浏览器能正确打开，calibre也就可以了。其它的编写方法可以不用任何修改。下载到本地的页面文件你尽可以自己进行整理和修改，保证不再有那些干扰的内容，还可以去掉那些多余的章节（许多时候都会有一些冗余的章节，或者广告章节，尽可以直接从页面中删除）。

　　事实上，这个办法不仅可以对付那些有干扰内容的页面，如果　你会一点基地的页面html语法，还可以自己写一个所谓目录页面，把不同网页、不同网站的内容都写在一个文件中，这样，你还可以通过用calibre下载来自己制作一本混合了许多网站内容的“合集”电子书。当然，这时每个网站“书籍内容”页面的过滤设定都有是一样的，即keep_tag和remove_tag对每个网站都是一样的，尤其是keep_tag，如果设置不当，可能就过滤掉了一些网站的见容页了，在生成的电子中，这些章节的内容为空。为了保险起见，建议keep_tag不设置，remove_tag可以设置，如果不存在相应的tag，是不起作用的，存在的话就会被过滤掉。

　　同样，你也可以指定一个本地的图片文件为书籍的封面，只要把封面的url同样处理就可以。

　　当然，如果你不怕麻烦，也可以直接把每篇文章的标题和url直接写进recipe中的feeds，不过这样太麻烦，而且不太好修改，不如放入一个目录页面文件中方便了。想怎么修改就怎么修改，不再需要修改recipe文件了，也很灵活。

　　我已经用这种方法制作了不少epub电子书了，合集也有不少。希望这个方法对大家也有用。