Comments (2)
首先,需要确定最终整合成什么类型文件,我认为 PDF 没多大问题,Gitbook 不是只能在线阅读的吗?想不到怎么用 Gitbook 封装。PDF 中图片是死的,不能缩放,这是 PDF 的通病,我也没办法。如果最终整合为 HTML,那就直接用 Chrome 打开网页,Ctrl + S 算了。
之前我把爬取的信息,转换 HTML ,再通过 pdfkit 来生成 PDF 文档。pdfkit 没能很好地处理图片跨页问题。可以换一条思路:爬取的原始信息 --> Markdown 文档 --> PDF 文档。第一个箭头比较容易实现,第二个箭头可以用 typora 转换,我试了一下,不会产生图片跨页,只是需要手动打开 typora 转换有点麻烦。虽然网上也有一些在线转换,可以用程序自动化完成,只是要么对中文支持不好,要么不稳定。
至于图片分辨率变低,我根据原图那条 URL 抓取的,可能这锅由 pdfkit 背,这货可能在图片转换为 PDF 时降低其分辨率。由 Markown 转为 PDF 可能可以解决。
最后抓取到15页就没了,可能是翻页那条链接没有处理好,这个需要具体分析,我只爬过两个星球,其他星球出现各种 bug 很正常。
最近找实习,估计没时间弄了,抱歉。。。
from crawl-zsxq.
@96chh Gitbook的阅读体验很好,转换为PDF会造成图片方面的各种问题,这个锅当然不能扔给你:)
个人觉得,就按照Gitbook原始的HTML/Markdown格式生成一个目录结构就行了,有需求的人可以自己用Gitbook自带的功能去转换为PDF。
from crawl-zsxq.
Related Issues (12)
- 图片没有抓取 HOT 1
- 如何找对精华区的接口呢?
- 如何把评论和评论回复都抓取下来呢?现在只能抓取第一页的评论 HOT 1
- TypeError: 'NoneType' object is not iterable HOT 3
- 技术可以,但是盗版有意思吗? HOT 1
- 小白用户请教 HOT 1
- 翻页问题 HOT 1
- 排版问题 HOT 1
- 翻页问题 当第一页的时间是2018-01-01T01:01:01.000+0800时(主要是000) HOT 1
- 报错TypeError: 'NoneType' object is not iterable HOT 6
- zsxq使用的https,是如何获取的Authorization的呢? HOT 3
Recommend Projects
-
React
A declarative, efficient, and flexible JavaScript library for building user interfaces.
-
Vue.js
🖖 Vue.js is a progressive, incrementally-adoptable JavaScript framework for building UI on the web.
-
Typescript
TypeScript is a superset of JavaScript that compiles to clean JavaScript output.
-
TensorFlow
An Open Source Machine Learning Framework for Everyone
-
Django
The Web framework for perfectionists with deadlines.
-
Laravel
A PHP framework for web artisans
-
D3
Bring data to life with SVG, Canvas and HTML. 📊📈🎉
-
Recommend Topics
-
javascript
JavaScript (JS) is a lightweight interpreted programming language with first-class functions.
-
web
Some thing interesting about web. New door for the world.
-
server
A server is a program made to process requests and deliver data to clients.
-
Machine learning
Machine learning is a way of modeling and interpreting data that allows a piece of software to respond intelligently.
-
Visualization
Some thing interesting about visualization, use data art
-
Game
Some thing interesting about game, make everyone happy.
Recommend Org
-
Facebook
We are working to build community through open source technology. NB: members must have two-factor auth.
-
Microsoft
Open source projects and samples from Microsoft.
-
Google
Google ❤️ Open Source for everyone.
-
Alibaba
Alibaba Open Source for everyone
-
D3
Data-Driven Documents codes.
-
Tencent
China tencent open source team.
from crawl-zsxq.