Zignis-plugin-read NPM

zignis-plugin-read

这是一个简单的工具插件，目的是实现一个能够方便的获取网页主体的命令行工具，以方面我们以各种方式搜集整理学习资料，支持各种格式，有一些特色模式，为了简单这里也称之为格式。

安装和使用

npm i -g zignis zignis-plugin-read

# 默认会下载 puppeteer，比较慢，加上这个环境变量就不下了，也可以 `Ctrl+C` 取消下载
# 没有 puppeterr， `html`, `png`, `jpeg` 和 `pdf` 就不能工作了。
PUPPETEER_SKIP_CHROMIUM_DOWNLOAD=true npm i -g zignis zignis-plugin-read

# 用法
zignis read [URL|本地 markdown] --format=[FORMAT]

# 帮助
zignis read [url]

Parse and read a url or a md file with your favorate format.

选项：
  --format, -F                  Output format, use --available-formats to see all supported formats,
                                default: markdown.                                 [默认值: "markdown"]
  --read-only, --ro             Only render html, used with web format.
  --debug                       Check middle code, used with web format, default is parsed markdown,
                                debug=html will show parsed html
  --proxy, -P                   Proxy images to prevent anti-hotlinking.
  --port                        Web server port.
  --localhost                   Localhost host with port, auto set and you can change.
  --nethost                     WLAN host with port, auto set and you can change.
  --open-browser, --open, --ob  Auto open browser in web format.
  --clear-console, --clear      Auto clear console.
  --title                       Prepend title, use no-title to disable.                  [默认值: true]
  --footer                      Append footer, use no-footer to disable.                 [默认值: true]
  --toc                         Include TOC                                              [默认值: true]
  --rename, -R                  New name, with extension.
  --directory, --dir            Location for output.
  --available-formats, -A       List supported formats

举例

zignis read https://juejin.im/post/5d82e116e51d453b7779d5f6
zignis read --format=web # 打开一个空的 markdown 编辑器
zignis read README.md # 欣赏一下自己项目的 README

支持的格式

markdown 或 md: 基于 readability
html: 基于 puppeteer
png: 基于 puppeteer
jpeg: 基于 puppeteer
pdf: 基于 puppeteer
epub: 基于 pandoc 生成，然后可以用 Mac 自带的图书应用查看
mobi: 基于 Calibre 的 ebook-convert 生成，然后可以使用 Kindle 查看
less: 自定义格式，在终端输出着色的 markdown，然后用 less 输出
console: 将 markdown 直接输出到终端，可以按需处理
web: 把 markdown 输出成网页，并集成了 Markdown 编辑器，即可以查看，也可以修改
web --read-only: 把 markdown 输出成网页，但是没有编辑器
web --debug: 把 markdown 把 markdown 代码以网页输出，用于调试
web --debug=html: 把 markdown 把识别到的 HTML 代码以网页输出，用于调试

这里并没有充分发挥所有 pandoc 和 Calibre 的威力，只是选择了常用的几种格式，如果不能满足你的需求，可以用下面提到的方法扩展本插件

开发路径

支持识别网页主体，并下载成 Markdown
支持指定网站的预处理和后处理机制，基于网址识别域名
data-src等识别，转换为 src
支持生成 pdf, html, png, jpeg 格式
支持终端阅读，着色，按 q 退出
支持直接输出，用于管道处理或自定义保存
支持本地 markdown 文件导入
优化，使其可以安装时不默认安装 puppeteer
依赖 pandoc 支持 epub
支持提供本地 web 服务，可以网址 Share 给局域网的其他好友
解决readability-js 的安全警告，改用上游包
调研 mobi 格式的依赖
调研掘金的表格是否有可能修复，https://juejin.im/post/5da34216e51d4578502c24c5
fork 过时包，做安全更新
添加输出目录选项 --dir
优化 web 模式，可以直接输出成网页，不启用 editor
优化 debug 模式，基于 Web 模式输出
修复代码块的配置，美化只读模式输出
给 editor.md 升级版本，解决 <ol> 序号错误的问题
支持不传参数，只打开编辑器
让插件可以扩展站点预处理和后处理逻辑，让插件可以扩展更多的格式支持
调研 puppeteer 模式，应对动态内容的页面，例如 infoq

预处理和后处理

默认会自动识别网页主体，但是可能会有偏差，所以通过预处理和后处理的方式进行微调，微调分为全局规则和基于域名的个性化规则。

开发过程中发现，默认行为总是不尽如人意，需要针对性的调优，目前只对下列网站做过基本调优，不保证绝对没有问题，遇到一个解决一个

掘金
简书
知乎

已知 BUG

生成 mobi 格式时，远程图片会丢失，可以先转成 epub，然后自己用 ebook-convert 转成 mobi

感谢

本项目只是为了达到开发目的，对各种相关开源项目进行测试，优选和组合，我写的代码不值一提，更多的核心功能都来自于各个依赖包，希望大家能够喜欢我做的整合，并多提宝贵意见。

参与贡献

这样的一个简单的项目如果能有更多的人参与和支持可以让其变得更加好用，比如提供更多网站的适配，贡献能够生成更多格式文档的代码或者发现 BUG 以后给我提 issue。

插件开发

这里提供了三个钩子给大家扩展，前两个用于扩展支持的格式，一个用于扩展支持的站点解析。

hook_read_define_format
hook_read_format
hook_read_domain

hook_read_define_format 这个钩子只是为了声明，不参与逻辑，一般跟 hook_read_format 成对使用。具体的插件开发方法请参考 Zignis 官方文档或参考项目代码。

扩展格式示例

// zignis new zignis-plugin-read-extend-format-super
// src/hooks/index.ts
export const hook_read_format = {
  super: async ({ title, markdown, converted, argv }) => {
    // implement your super format.
  }
}

扩展站点示例

// zignis new zignis-plugin-read-extend-domain-target
// src/hooks/index.ts
export const hook_read_domain = {
  'target.domain': {
    preprocess: (source, argv) => {
      return source
    },
    postprocess: (markdown, argv) => {
      return  markdown
    }
  } 
}

target.domain 不要包含开头的 www.，并且两个处理函数都必须把处理好的内容返回回去，预处理的 source 是文章主题的 HTML 代码，后处理的 markdown 是转换后的 markdown 代码。