……那么，我愿把“如果”两字去掉

博客出书，不胜枚举:《暗时间》、《万万没想到》、《说服力》、《正版语文》……
不严格的说，《明朝那些事儿》也算此列吧。

这些人写的文章，明明在网上公开发布过，又印成铅字，出版一遍。稿酬可观，买的人还不少。简直人生赢家。

赘述繁多，都是废话。 本篇讨论的，是另一层意义上的博客成书——也就是某个热心的粉丝读者，把作者的网上文集扒下来，然后做成电子书的故事。

明确需求

对于一个博客的老读者而言，在线订阅最省心省力¹。博客更新频繁，这样读者能确保及时跟上进度。

当然，随意浏览也无妨。博客原本就适用于游览式地看。

寒来暑往，花开花落，世况有变。我遇见了李华治先生的博客。 几篇文章读下来，越发体会到其叙事精彩，抒情悠长，评论痛快，文气充盈，文风对路。
真想一口气全部读下来。

……痴人说梦。普通的大学生哪有条件一口气看完呢……

暗忖：

博客文章一般按日期先后发表，越新的越前。想要找最老的，必须翻到最后。
按从前往后的顺序，还要翻页很麻烦。中断了，又必须 记住进度（万一忘存收藏夹， 只记得读到那一篇，却不记得那一篇在哪页，那就不好了）。
因此我认为更好的阅读顺序，是从老文章读到新文章。沿时间长河顺流而下，好似历经一次作者成长的过程。然而， 那不得从博客分页的最后一页翻到第一页吗……

况且，老夫已不再是当年那个在电脑上看小说的我了。如今早已习惯移动阅读——自己走路时，坐巴士时，拿起手机，都可以看，可谓省时不费事。

手机阅读，虽不拘时空，仍有局限。譬如网络不稳，又如电量不多。联上网后，耗电增加，可谓两弊叠加。

灵光一闪，心生妙计——把博客做成电子书，手机上看。
来来来，数一数优点：

1. 制作时可以自定阅读顺序。从老文章一路看到新文章，很平滑
2. 同上，自定排版格式
3. 手机离线显示，省电
4. 阅读进度不会丢失

制定计划

• 扒文章
  • 分析每篇文章的网址，并下载网页
  • 分析网页结构，只把文章标题、日期、内容扣下来，其他的不要
  • 把扣下来的文章，分门别类的保存
• 转换成电子书
  • 选取合适的电子书格式，并用恰当的转换工具转换
  • 生成目录，设计排版
  • 扉页，作者信息一些可有可无的东西

不要怂，就是干

前方技术细节预警，枯燥无聊，点我跳过，不见不烦

扒文章

扒文章当然得作爬虫。做爬虫当然得用python。用python当然得用miniconda发行版，配spyder。哎呀，扯远了

python库多，任性。
用哪些库？因为要联网，所以要urllib2；要读写文件，用os；还要分析网页结构，这个一会儿再说。哦，可以先透露一下，全部都是用的内置标准库哟。

分析网址: 这个文章地址啊，too simpile ! 结构形如http://lihuazhi.com/123其中123换成随便一个什么正整数。开头简直顺利得……

下载网页： 没想到404等错误直接反馈给了urllib2.urlopen()，枉我分析404页特征一场空。另外得把以图片为主的两个分类排除掉，不下载

分析内容： 见过太多人吐槽美汤这个库又慢又不好使，于是我去看了看lxml和Xpath。虽然很多人推荐，很多人用，但搜到的中文资料不多，我这种渣能看懂的更少。勉强看官方文档，懂了一点，然后放弃了lxml。
到头来，分析网页用的工具还是——re！正则表达式，简单易懂！实乃居家旅行，xxxx 之必备良药，打遍天下都不怕不怕啦。用re分析，关键是懂得.+?和gruop()，不要漏了re.S(DOTALL模式)，其他请随意。

内容缓存： 大蟒摸了这么久，数据结构却没用过几个。本来想用从前没用过的 dict 来存。但是哥发现了逼格更高的结构——类。可以可以，哥也是写过面向对象的人了又一个从0到1的突破哈哈哈。既然确定了类为主体，除了用来存标题日期等的属性以外，不在旗下挂几个方法是说不过去的。于是有了 get() ，有了 save()。

内容保存： 这就是刚刚提到的 save() 干的活，并没什么好说的。之前提取到了带标记含元素的html代码块，文件直接存为%category%/yymm%title%.html。别忘了如果目录不存在，还要额外写几行来建个目录。
什么？听说作为html文件标准格式，前后要有DOCTYPE!htmlheadbodyooxx？真麻烦，不管了。没那些玩意的html照样能在哥的浏览器里显示得好好的。谁不服？请咬我！²

到最后一个环节还真被咬了。我今天算是小小地埋了伏笔一下。

转epub

电子书当然要用epub格式的。这种格式，手机、kindle(越狱后)通杀，各种软件支持，排版格式神马丰富全面。

现在，就差怎么把这么多Html转换成一个EPub格式的电子书了。

尝试一 github上找了个名叫"html2epub"的py脚本。详询…居然只会把每一个html都换成一个epub。
辣鸡>_>哼

尝试二 据说很神奇的pandoc。按照官方介绍的示例，多个文件制epub，依样画瓢。哦，还做了个脚本生成恶心的、折成很多行的命令行。运行……第一行就报错了。连官网的示例都报错。
哼，辣鸡>_>

穷则思变。哥这不是典型的用命令行用傻了吗。一门心思想着命令行工具耍起来威风凛凛，殊不知GUI界另有一番广阔天地。啊，又扯远。低头默讼：“装逼如风，常伴吾身。无形装逼，最为致命。”

尝试三 掌上书苑，国内业界知名站点，出了个制作器，叫epubbuilder。取名有范，看起来挺牛的。试看官方介绍：

书苑开发的ePub电子书制作神器，支持多国界面语言，支持unicode编辑，支持导入Txt、epub、Html、chm、snb等源文件；支持图文混排、音频、视频、多级目录等；方便快捷的界面；无需专业知识也可快速生成一本专业的电子书。

请注意第一句神器两个字。敢这么自称的，一般还真有两把刷子，比如：赘述神器

国货当自强，就决定是您了，epubbuilder！
下载装好打开。居然得登陆才能继续？还好以老司机夫多年经验，眼尖发现了“离线”按钮，成功进入。界面上大大地摆着“未授权”。
呃。没授权好像不影响使用吧。开工，批量导入html……
然后！导入了乱码！

霎时没找到改编码的地方，这不重要。重要的是，“未授权”三个字依然在眼前晃来晃去。
真~辣鸡>_> 卸了。

卸归卸， 装逼大业 可不好半途而废。那么，有没有真正 逼格高 好用的epub制作工具？

扯开话题，到底哪种软件才能算highBger？全是洋文？NONONO！高逼格软件一般具有以下特征：

1. 免费
2. 开源
3. 跨平台
4. 小众

哦，不好意思，其实标准只有一个，也就是这个那个第四个。

尝试四 朋友，你听说过“sigil”吗？sigil完全符合前三项标准。至于第四项……仁者见智咯

sigil真的超好用，功能完善，支持中文。而且，您瞅这华丽的花体字，逼格满满，让人单看图标也完全猜不到跟书有关 ，比某苑做的某神器不知道高到哪里去了。

收工

一些收尾细节

目录、排版，随便搞一搞。目录用两级：文章分类一级，标题一级。
封面，作者信息，扉页这种东西就真没必要了。因为反正只给自己看。
……（何不众乐乐？因为版权啊版权。没作者授权，老夫是不会传播的）

俗话说:

现世报，来得快

经上述流程，粗制滥造做出来的电子书，只有多看能正确显示。（还好多看你没有抛弃我TT）
请大家观赏效果图： 如果图片太大，请点击图片以看小图！
上图为：原本设定的排版

以上是anyview上的显示效果

多看阅读

静读天下 Moon+

接下来有请搞笑组登台：
起点读书

网易云阅读