---

name: web-to-epub description: 将在线书籍网站（每章一个页面）转换为 EPUB 电子书。提供网站 URL 即可自动抓取、提取正文、生成带目录的 EPUB。 allowed-tools: Bash, Read, Write, WebFetch, Grep, Glob argument-hint: [book-url]

网页书籍转 EPUB

将在线书籍网站转换为 EPUB 电子书。目标 URL: $ARGUMENTS

整体流程

1. 分析目录页 — 获取章节链接和书籍结构
2. 生成章节配置 — 创建 chapters.json 定义章节顺序和元数据
3. 下载所有页面 — 使用 wget 批量下载，带限速避免触发反爬
4. 提取正文内容 — 使用 Python 脚本剥离导航栏等 UI 元素，只保留正文
5. 生成 EPUB — 使用 pandoc 合并生成带分层目录的 EPUB

前置依赖

确保以下工具已安装（macOS 用 Homebrew）：

brew install pandoc wget
pip3 install --break-system-packages beautifulsoup4

步骤详解

Step 1: 分析目录页

使用 WebFetch 获取目标 URL 的目录页，提取所有章节链接。注意：

• 识别书名、作者
• 识别前言/序言/致谢等前置内容
• 识别分篇/分卷结构（如：第一篇、第二篇...）
• 按阅读顺序排列所有章节 URL
• 注意区分正文链接和导航/外部链接

Step 2: 创建工作目录和配置文件

在当前目录下创建 epub_build/ 工作目录，生成以下文件：

urls.txt — 所有章节的完整 URL，每行一个

https://example.com/book/preface
https://example.com/book/ch01
https://example.com/book/ch02
...

chapters.json — 章节结构定义

{
  "book_title": "书名",
  "author": "作者",
  "content_selector": "article",
  "prose_selector": { "tag": "div", "class": "prose" },
  "parts": [
    { "title": "第一篇 标题", "before_index": 4 }
  ],
  "chapters": [
    { "path": "foreword.html", "title": "前言" },
    { "path": "preface.html", "title": "自序" },
    { "path": "s01/ch01.html", "title": null, "chapter_num": 1 }
  ]
}

配置说明：

• content_selector: 正文所在的 HTML 容器标签（通常是 article、main 或 div.content）
• prose_selector: 正文文字所在的子容器（可选，用于过滤侧边栏等噪声）
• parts[].before_index: 该篇标题应插入在第几个章节之前（0-indexed）
• chapters[].path: 对应 wget 下载后的本地文件相对路径
• chapters[].title: 显示标题；为 null 时使用 chapter_num 自动生成"第N章"

关键：需要先用 WebFetch 查看一个章节页面的 HTML 结构，确定正确的 content_selector 和 prose_selector。

Step 3: 下载所有页面

cd epub_build
mkdir -p html

wget \
  --directory-prefix=html \
  --convert-links \
  --adjust-extension \
  --page-requisites \
  --no-parent \
  --random-wait --wait=1 \
  --input-file=urls.txt

下载参数说明：

• --adjust-extension: 自动加 .html 后缀
• --page-requisites: 同时下载图片等资源
• --convert-links: 将链接转为本地路径
• --random-wait --wait=1: 随机等待 0.5-1.5 秒，避免过快请求

下载完成后确认文件数量与 urls.txt 行数一致。

Step 4: 确定 HTML 路径映射

wget 下载后的文件路径取决于 URL 结构。通常在 html/<域名>/<路径>.html。

用以下命令查看实际下载路径：

find html -name "*.html" | sort

根据实际路径更新 chapters.json 中每个章节的 path 字段，使其相对于 HTML 根目录。

Step 5: 提取正文并生成 clean HTML

python3 ~/.claude/skills/web-to-epub/scripts/extract_and_build.py \
  --html-dir html/<域名>/<书籍路径> \
  --chapters-json chapters.json \
  --output-dir clean \
  --files-list files.txt

脚本会：

• 从每个 HTML 中提取 content_selector > prose_selector 区域的正文
• 在适当位置插入篇标题（h1）和章节标题（h2）
• 输出 clean HTML 文件和有序文件列表

Step 6: 生成 EPUB

pandoc \
  --from=html \
  --to=epub3 \
  --output="<书名>.epub" \
  --metadata title="<书名>" \
  --metadata author="<作者>" \
  --metadata lang="zh-CN" \
  --toc --toc-depth=2 \
  --split-level=2 \
  $(cat files.txt)

参数说明：

• --toc --toc-depth=2: 自动生成两级目录（篇 h1 + 章 h2）
• --split-level=2: 按 h2 拆分 EPUB 章节，每章一个独立页面

可选增强：

• --css=style.css: 自定义样式
• --epub-cover-image=cover.jpg: 添加封面图

Step 7: 验证

用 Python 检查 EPUB 结构：

import zipfile
from bs4 import BeautifulSoup

with zipfile.ZipFile("<书名>.epub", "r") as z:
    with z.open("EPUB/nav.xhtml") as f:
        soup = BeautifulSoup(f.read(), "html.parser")
        for li in soup.find_all("li"):
            a = li.find("a")
            if a:
                depth = sum(1 for p in li.parents if p.name == "li")
                print("  " * depth + a.get_text(strip=True))

将最终 EPUB 复制到当前工作目录根下，告知用户文件路径和大小。

可选：自定义样式

如需更好的阅读体验，创建 style.css：

body {
  font-family: serif;
  line-height: 1.8;
  text-align: justify;
}
h1 {
  text-align: center;
  margin-top: 2em;
  margin-bottom: 1em;
}
h2 {
  text-align: center;
  margin-top: 1.5em;
  margin-bottom: 1em;
}
p {
  text-indent: 2em;
  margin: 0.5em 0;
}

注意事项

• 下载时使用限速（--wait），尊重网站服务器
• 每个网站的 HTML 结构不同，Step 2 中的 selector 配置需要根据实际页面调整
• 如果网站使用 JavaScript 渲染内容（SPA），wget 可能无法获取正文，需考虑使用 headless browser
• 生成的 EPUB 可直接用 Apple Books 打开，发送到 Kindle 需要转换格式或通过 Send to Kindle