新浪读书

mrkissinger

http://mrkissinger.247sv.com/ind ... d=102&Itemid=37

买了个读书器，可以看很多书了。
但是私有格式的不便于保存和分享，TXT格式往往滞后很长一段时间。
新浪读书更新很快，于是就有了这个自动处理脚本。

Bash写的，Windows用户自求多福了。
批量下载我不管啊，firefox的scrapbook插件可以把你选中的链接（当然是新浪的书目链接啦）的URL整理出来，放到一个文本文件里面，就可以用wget批量下载了。

下载的页面用下面的脚本处理一下，就得到纯文本的小说了。

说明一下：
新浪不断改版，可能有我没有注意到的新版面。在使用中发现可以通知我，mrkissinger __at__ gmail __dot__ com
目前没有对文件名进行排序，靠的是bash的默认顺序，所以10.html会在2.html之前，使用的时候分？.html和??.html几步操作就可以了。

1. 
   
2. #!/bin/sh
   
3. 
   
4. # 文件名可能为UTF8，文本为GB
   
5. 
   
6. while [ $# -ne 0 ]
   
7. do
   
8.     cat $1 | \
   
9.     LC_ALL=zh_CN.GBK \
   
10.         sed -n \
    
11.             -e '/<div id=article>/,/正文底部文字广告/p' \
    
12.             -e '/<!--正文内容开始-->/,/<!--正文内容结束-->/p' -e '/正文页画中画/p' |
    
13.     LC_ALL=zh_CN.GBK    sed \
    
14.             -e '/^[ \t;　]*$/d' \
    
15.             -e '/    连载:/d' \
    
16.             -e 's/　　/\r\n　　/g' -e 's/<[^>]*>//g' -e 's/&nbsp//g' \
    
17.             -e '/<!--/,/-->/d' \
    
18.             -e 's/\[上一篇\]\|\[返回\]\|\[返回目录\]\|\[下一篇\]\|上一页\|下一页\|\[\]\|\[[0-9]\]//g'
    
19. 
    
20.     shift
    
21. done
    

复制代码