这段时间一直在琢磨一个事儿：怎么把网页上那些值得反复读的长文、连载小说，弄到墨水屏阅读器上去看。用手机刷屏幕刺眼，用电脑看又坐不住，还是墨水屏舒服。但网页直接发给阅读器，排版直接乱到没法看，图片加载慢，字又小又挤。折腾了几个工具之后，我算是摸出了一套比较顺手的流程，今天就把这套方法拆开聊透。
我下面说的方案，主要围绕E-Ink设备展开，但核心思路其实对所有电子书阅读器通用。核心只有一件事：把网页内容清洗干净，转成阅读器最适配的格式，然后传进去舒舒服服地看。整个过程涉及的工具有在线转换、本地脚本、阅读器自带的推送服务，还有必要的格式微调手段，我会一个一个说清楚它们的适用场景和坑。
1. 内容整体设计与思路拆解
1.1 为什么非要转格式，直接发送不行吗
很多人一开始会想，阅读器不是能打开网页吗？带浏览器的型号确实能开，但真用起来体验很差。墨水屏刷新慢，网页里的动态元素、弹窗、无限滚动脚本，在墨水屏上要么卡死，要么显示残缺。网页默认的字号是给手机和电脑屏幕设计的，放到阅读器上，一行字能铺满大半屏，段落间距全乱，图片和文字对不上。
最要命的是网页里充斥着导航栏、推荐位、评论区和各种广告脚本。这些东西在普通屏幕上无所谓，但墨水屏阅读讲究的是沉浸感。一屏就那么点地方，如果三分之一是导航、四分之一是“相关阅读推荐”，真正的正文区域就没多少，翻页效率极低，眼睛来回找文字，比纸质书累得多。
所以，网页转电子书的本质不是换个后缀名，而是做一次内容清洗和重排版。清洗是指去掉所有非正文的页面元素，重排版是指把正文按照阅读器的分页逻辑、字号设置、行距偏好来重新组织。
我测试过不下十种方案，最后稳定下来用的，流程上可以分成三条路线：在线转换、本地批处理、阅读器原生服务。这三条路线对应不同场景，也各有各的坑，下面先把整体思路梳理清楚，再逐个讲细节。
1.2 三条路线怎么选：在线、本地还是原生服务
先说我用下来的感受。在线转换工具适合快速把单篇网页转成电子书文件，比如看到一篇公众号文章、一篇知乎高赞回答，想马上转到阅读器里。这种场景下，本地起环境就有点重了，复制粘贴网址、点几下按钮、下载文件，效率最高。
本地批处理适合断断续续积攒了大量网页链接的情况。比如我追某部连载小说，一天更新两三章，攒一周就有十几个链接。这时候一个个在线转非常低效，我用本地的命令行工具写一个简单的脚本，批量抓取、批量清洗、批量合并，一次处理完所有章节，最后生成一个完整的电子书文件。
阅读器原生服务适合那种长期订阅的内容源，比如某个博客的RSS更新。它不需要手动转换，配置好之后，每天新文章会自动推送到阅读器里，打开就能看，体验最接近订杂志。
这三条路线其实不冲突，甚至可以组合使用。我把它们当成一个工具箱的不同层，按场景选就行。下面进入具体工具和步骤的部分，我把每个环节的操作细节和踩过的坑都列出来。
2. 核心细节解析与实操要点
2.1 在线转换工具怎么用才不踩坑
在线工具里我用得最多的是两个思路：一个是Web to EPUB/PDF这类通用转换服务，一个是浏览器扩展的一键推送。
通用转换服务的核心逻辑，是把网页DOM结构里的正文区域识别出来，再输出成EPUB或PDF。实际用的时候，选择一个能自动提取正文、而不是整个页面截图转PDF的工具很重要。用整个页面转PDF的做法，在墨水屏上就是灾难，不是你看到什么就得到什么，而是把整个网页拉成长条，分页全靠切割，切在图片中间、切在代码块中间都是常有的事。
正确的操作流程是：
- 打开工具页面，粘贴网页链接
- 选择合适的输出格式，EPUB优先，PDF只在排版有特殊要求时才用
- 有些工具允许选择正文识别的起始位置，如果识别到了无关内容，手动拖动选择范围
- 生成之后，这个文件建议先在电脑上转成EPUB检查一下封面目录
实战心得：在线工具对国内一些重排版、多脚本的网站识别率不高。知乎专栏、公众号文章这类相对规范，基本不会出错。但那些论坛、小说站，页面里有大量广告位和分页脚本，提取结果经常把广告文字也混进正文，需要手动清理。
遇到这种情况，我的处理顺序是：先用Pocket或简悦类的阅读模式插件，把网页先抓成一份干净的离线页面，然后再对这份离线页面做转换。相当于先做一次预清洗，再交给转换工具，识别准确率会高非常多。
2.2 本地批处理工具：真正可复制的流程
本地批处理的核心，是找对命令行工具和写对脚本。我主要用的组合是：Curl抓页面，Python加BeautifulSoup做内容清洗，最后用Pandoc转EPUB。这套组合每一个环节都能控制，出错知道错在哪一步，不像在线工具那样是个黑盒子。
先说抓取。有些网页内容不是直接写在HTML里的，而是通过JavaScript异步加载出来的，这种情况下Curl抓到的HTML里根本没有正文。我遇到过一个连载网站，正文得先请求一个API接口，再把返回的内容插进页面里，直接用Curl抓页面只能抓到骨架。我换了一种方式：用Playwright模拟浏览器访问，等页面加载完再抓取渲染后的HTML。这个方法慢一些，但效果稳定。
再说清洗。清洗是整个流程里最关键的环节。美团的页面结构各有各的写法，有的正文在article标签里，有的在div class="content"里，有的干脆没有语义化标签，到处是嵌套的div。我维护着一个针对不同网站的选择器配置，每个配置指定正文的CSS选择器，清洗脚本按配置去提取正文。提取完之后，还有一步很重要的清理：把正文里残留的脚本代码、隐藏元素、空白字符全部移除。
最后是转换。Pandoc可以把清洗好的HTML转成EPUB，这个没问题。但我不想只转章节内容，还想有目录，有封面，最好一章一个文件，阅读器翻页和跳转都方便。所以我的脚本逻辑是：按章节切分内容，每章生成一个HTML片段，再统一交给Pandoc合并生成EPUB。整个过程跑完，从积攒链接到拿到一个排版干净的EPUB文件，大概三分钟。
2.3 E-Ink特有的格式适配细节
EPUB和PDF在墨水屏上的体验差异非常大，这个事要重点说。很多人觉得PDF打印排版好，转成PDF准没错，但现实是PDF是固定版面，字号固定、行距固定，到了阅读器上，要么字太小看着费劲，要么放大之后一行字被裁掉一半，翻页对不齐，体验很糟糕。
EPUB则是流式排版，字号、行距、边距都可以在阅读器上自由调整，屏幕大小不同也能自适应重排。对墨水屏来说，EPUB是绝对优先选择。Kindle甚至可以直接推送EPUB文件，它自己会再转一遍。
如果你追求的是像纸质书那样的阅读体验，我建议转换之后的文件用Sigil之类的工具做一次最终检查。主要看三件事：目录是否完整、章节标题是否正确识别、图片有没有超出屏幕宽度。图片超宽的问题在小说阅读场景里不常见，但看技术教程和带截图的长文时经常遇到，我一般会把过宽的图片统一等比缩放，保底在阅读器上完整体验。
字体方面也值得多说一句。中文阅读器通常内置了好几种中文字体，但如果你传的EPUB里指定了不存在的字体样式，阅读器会用默认字体替代，理论上不影响阅读。但有些EPUB会在CSS里硬编码字号单位，比如用pt或px固定字号，这样在阅读器上调整字号就不生效。我的做法是生成EPUB前，把所有字号相关的CSS全部清理掉，让阅读器的全局字号设置来接管，这样最舒服。
2.4 阅读器原生服务的配置思路
如果你用的是Kindle、掌阅、文石这类主流阅读器，它们都有各自的推送服务。Kindle的Send to Kindle、掌阅的WiFi传书等，本质上都是可以把网页内容生成文件后推送到设备上。
阅读器原生服务里最值得花时间配置的，是RSS推送。订阅一个博客的RSS，配置好之后，博客更新了，阅读器里就能直接出现新文章。这个也不是从零做起的，用现成的RSS服务也能解决，但如果你想完全自己掌控，思路也很清楚：用个轻量的脚本定时抓取RSS条目，转成EPUB推送进阅读器。
这块我踩过的一个坑是图片处理。RSS里的图片链接，有些是相对路径，有些是防盗链的。防盗链的问题在阅读器上特别明显，图片直接显示成一个裂开的图标。解决办法是下载图片到本地，转成EPUB时把图片一起打包进去，这样图片就随书走了，不会出现加载失败的情况。
配置RSS推送的核心，其实不在技术，而在内容筛选。RSS里经常混着广告软文和一些无关的“推荐阅读”，不加筛选地全推过来，阅读器里就会混进一堆垃圾。所以我在脚本里加了关键词过滤规则，想在推送之前就排除掉大部分无关内容。
3. 实操过程与核心环节实现
3.1 单篇文章快速转换的完整步骤
这个场景最常用，我就以一篇公众号长文为例，把在线转换的完整流程走一遍。
第一步，在电脑浏览器里打开文章页面，用阅读模式插件（简悦、Pocket都可以）先把文章抓下来。注意不要直接复制网页内容粘贴到文本编辑器里——那样会把隐藏的格式代码也带进来，转成EPUB后字体、颜色都乱。
第二步，在Pocket里打开抓取好的文章，确认正文完整、图片正常，然后把它导出成一个包含正文内容的HTML文件。如果你的阅读器支持Pocket绑定，这一步可以省略，直接同步到阅读器客户端就行。
第三步，把HTML文件交给转换工具转EPUB。我用得比较多的是一个叫ebook-converter的本地工具，它底层其实调的是Calibre的命令行接口，稳定可靠。有一个关键参数要注意：转换时设置--base-font-size=12，这个数值不是随便定的，是配合阅读器默认字号比例算过的，能让字在墨水屏上显示得不大不小，刚好是纸质书的感觉。
第四步，手机或电脑上把生成的EPUB文件通过网盘、邮箱附件或数据线传到阅读器里。Kindle用户可以直接用Send to Kindle网页版，掌阅用户用WiFi传书，文石用户用内置的微信直传也方便。
这四步看起来简单，实际很多人拦在第一步。用阅读模式插件先抓一遍，核心意义在于完成了90%的清洗工作，后面转换输出出来的文件，排版已接近出版物的水准。
3.2 批量抓取连载小说：一个可复用的脚本思路
连载小说是网页转电子书最刚需的场景。我追的一部小说每天固定更新两章，攒两周之后一次性转成一本书，在阅读器里能连续看到最新章节。这里就把我用的脚本思路展开讲，为了方便理解，我把它拆成几个关键步骤。
第一步，准备链接列表。我在浏览器里打开小说目录页，右键检查出所有章节链接，复制成一个文本文件，每行一个URL。
第二步，抓取页面。用Python脚本逐个请求，拿到每章页面的HTML。这里必须加请求间隔，不然很容易触发对方服务的访问频率限制，而且对别人服务器也不够友好。
第三步，提取正文。根据我维护的配置，定位正文所在的DOM节点，抽出纯净的文本，同时保留段落结构。这一步的细节在于，很多小说网站正文分页，每章可能有两页、三页，需要把分页的链接也抓下来，合并成一章完整内容。
第四步，清洗合并。把每一章的标题统一成「第X章 XXX」的格式，加上作者名、书名信息，最后合并生成一个EPUB文件。注意，这里的EPUB要带目录，每个章节生成一个导航点，这样在阅读器里才能直接从目录跳转。
这一步脚本写完之后，我后续使用只需要维护选择器配置，碰到网站改版，哪个站提取不出来了，更新一下选择器就行。整个流程的核心不在代码量，而在对目标网站结构的持续跟踪和维护。
关于小说EPUB的目录生成，我坚持一个原则：章节标题里不能带乱码和时间戳。有些小说站的标题格式不统一，比如有时带更新时间，有时不带。我脚本里专门做了一个标题清洗的步骤，把更新时间、站名后缀这些无关信息全部去掉，保证目录显示干净。
3.3 如何把图片、表格、代码块处理到可读状态
小说场景基本不涉及图片表格，但技术文章、教程类网页，转换时三样东西最头疼：图片、表格、代码块。
图片的处理思路，核心是“本地化”。在转EPUB前把网页里所有图片下载到本地，路径改成本地相对路径，图片超过屏幕宽度的，用工具统一缩放到合适尺寸。我一般会把图片宽度限制在转换为阅读器屏幕宽度的90%左右，留出边距呼吸感，看起来不会顶着屏幕边缘。
表格在EPUB里的表现一直不理想。EPUB对复杂表格的支持很弱，有很多阅读器渲染会错位，横竖线消失。我的处理方式两种：表格不大且关键信息重要的话，用脚本把表格转成简化结构；表格很大且横屏才能看的话，干脆转成高清图片插入。理由是墨水屏的分页逻辑对表格的兼容远不如图片稳。
代码块的处理最特殊。代码最怕的就是换行和缩进被打乱，一打乱，逻辑就看不懂了。我用代码块包裹<pre>标签，配上专门的CSS样式，保持缩进和空格。同时关闭自动换行，让代码在横屏下完整展示，不然小屏设备上代码缩进全飘。
有一点要提醒：如果转出来的EPUB在阅读器上代码区域显示成一团黑块，大概率是CSS样式没生效。阅读器对EPUB内置CSS的支持各有差异，最常见的表现就是不认识background-color这类属性。我的对策是不同品牌阅读器上，代码块的背景色统一不加，只靠字数缩进区分，反而最通用。
3.4 目录、封面、元数据：让电子书像本“真书”
一个被人忽略的细节是元数据。EPUB文件里包含了书名、作者、简介等信息，这些信息会在阅读器的书架界面显示。很多转换工具默认把书名设成网页的标题标签，结果书架上一排“某某网站 - 文章详情页”，看着很乱。
我习惯在转换时把这三项信息手动指定好：书名、作者、语言。
- 书名抓网页里的一级标题，如果有固定的排版风格就按格式规范成「网名 · 标题」
- 作者写原作者的名字，而不是网站名
- 语言统一标记为zh-CN，这样在阅读器里中英文混排的标点处理和换行规则才会正确
封面这个事，如果你是给连载小说做合集，建议单独配一张封面图。没有封面也能看，但书架上一堆灰色默认图，翻找时很难靠视觉区分。我用的是最简单的方式：用工具把书名文本渲染成一张图片，尺寸直接按Kindle的推荐比例设置，再作为封面文件嵌入。
这里有一个实操心得：不要用网页里的截图当封面，分辨率不一定够，而且颜色不对，在墨水屏上会显得很脏。纯文本封面的干净程度，远超过截图封面。
4. 常见问题与排查技巧实录
4.1 转换出来的EPUB在阅读器上字体忽大忽小
这个问题我遇到得最多。表现是章节之间、段落之间的字号不统一，有的段落字体明显偏大，有的偏小。
排查思路：用Sigil打开EPUB的CSS文件，查看是不是有多处重复定义字号。网页转换过来的HTML经常会带内联样式，有些段落里直接写了font-size: 18px，有些段落没写，阅读器就用全局字号，于是忽大忽小。
解法：写一个小的清理脚本，把HTML里所有标签的style属性全部删除，只保留正文和标题的语义结构，让阅读器的全局样式统一接管。不要怕损失什么，网页里的内联样式本来就不适合阅读器场景。
4.2 推送到阅读器后，图片集体显示不出来
这也是高频问题。之前在电脑上打开EPUB图片显示正常，推到阅读器里就全是裂图。原因在图片路径：转换工具生成EPUB时，图片路径写的是绝对路径（比如file:///C:/...），而不是EPUB内部相对路径。阅读器拿到文件后，内部结构变了，绝对路径就失效了。
排查步骤：用解压软件打开EPUB文件，进入OEBPS或images目录，确认图片文件存在，再打开对应的.xhtml文件，查看<img>标签的src属性。如果是http://开头或者绝对路径，就说明路径不对。
固定解法：转换后统一做一次路径修复，把所有图片引用改成相对路径。如果你用Calibre转换，它有自动修复机制，但未必每次都靠谱，建议改完之后重新压缩成EPUB验证一下。
4.3 在线阅读工具识别错正文，把评论区也当内容
在线转换工具是把整个网页的内容提取出来，遇到评论区火热、正文之后跟了很长一段推荐阅读的情况，工具经常把握不住边界，把评论区也揉进正文，生成的书后半段全是一堆无关讨论。
我的解法有两个：
- 尽量用阅读模式插件先抓取，再做转换。阅读模式插件的正文识别算法通常比通用转换工具强很多。
- 在线工具如果允许手动指定正文区域，在页面上直接框选范围。这个一劳永逸的办法是用户体验最直接最有效的。
另一个思路是CSS选择器黑名单。如果你用本地脚本方案，可以在配置里指定哪些选择器的内容必须移除，比如.comment-area、.recommend-list、#footer等。这个名单可以跟随网站维护，时间长了效果非常稳定。
4.4 生成的EPUB在阅读器上目录空白
目录空白常见于批量转换场景，尤其是章节链接没提取全、章节标题为空的时候。转换工具生成目录时，每个章节标签需要有title属性，如果标题为空，目录节点就无法生成。
排查思路：打开EPUB的toc.ncx或nav.xhtml文件，看目录条目是否存在。如果存在但阅读器上空白，可能是阅读器对EPUB3的导航格式支持不完整，可以转用EPUB2格式。这里又要提到Calibre的转换，它可以在两种版本之间互转，保留目录结构。
另一个可能的原因是用长文件名当章节名，目录里显示不完整。我建议章节标题控制在20个字以内，长标题截断或改写，一级目录显示时观感好很多。
4.5 批量转换时经常漏掉某些章节，该怎么排查
批量转换最怕静默失败：脚本跑了半天，声称完成了，结果生成的书少了最后三章，排查起来很费劲。我现在的做法是在脚本里加了输出日志，每处理完一个章节都打印一条记录，包括URL、标题、提取到的文字长度。如果某个章节的文字长度明显偏短，比如只有10个字，那基本可以断定提取失败。
造成漏章原因就两类：一类是页面结构不一样，有的章节页有“上一章/下一章”按钮，有的页面缺这个导航，导致脚本认为没有分页；另一个是反爬机制拦截了部分请求，返回了一个验证页面，而不是正文。
对于前者，增强配置的兼容性，对不同页面结构分别处理。对于后者，加请求间隔、加浏览器识别信息，大多数情况下能解决。如果你碰到的是那种非常严格的防护，我建议放弃自动化，直接手动打开网页复制正文，虽然费点功夫，但最稳。
4.6 字体导入：如何让中文EPUB在阅读器上更舒服
墨水屏阅读器的默认中文字体通常够了，但如果你对阅读密度有要求，可以自己导入字体。Kindle和图瑞讯这类阅读器都支持字体文件放在指定目录，转换出来的EPUB里也能内嵌字体。
内嵌字体的坑主要在文件大小。一个标准中文字体重则有十几MB，内嵌进EPUB，整个文件会变得非常臃肿，阅读器打开和翻页都受影响。我的建议是别内嵌，除非你真需要宋体以外的特殊字形。字体放在阅读器本地，EPUB本身不指定字体，阅读器会按你设置的字形渲染。
字号与行距的推荐值也分享一下：阅读器全局字号设为“中”或“较大”，行距设为1.5倍，边距设为中等。这套参数配合干净排版，在墨水屏上读一小时眼睛基本不累。具体参数各家阅读器略有出入，但原则很简单：正文区字体在屏幕上显示出来的视觉大小，不要小于纸质书小五号字。所有设置都以这个视觉大小为准。
4.7 长文转PDF的替代思路：什么时候放弃EPUB
EPUB虽说通常是最优选，但有些内容真的不适合流式排版。比如那种带大量表格、图表、特殊排版的网页文档，转成EPUB后结构会很乱。这时候我的选择是：放弃EPUB，用浏览器的“完整网页截图”功能把整个页面按等宽长图导出，再切割成适合阅读器的分页。严格来说这是一个降级方案，但在表格型内容面前，图片格式远比EPUB的残缺表格可靠。
另外一个场景是代码教程。代码块的缩进和等宽特性，在EPUB里很难稳定渲染，而生成横屏PDF后，代码展示完整、不乱跳。我的习惯是：纯文字内容走EPUB，代码密集的内容走PDF，图片表格特别多的内容也走PDF。方案选择没有绝对，合不合适才是重点。
这个取舍我在多次使用后想明白一件事：网页转电子书的本质是提取内容和适配设备，不是执着于某一种文件格式。先评估内容结构，再决定输出格式，准确率能提升很多，也少走很多弯路。
5. 一些私藏的实操心得
说几个不太好写进教程、但实际帮我省了很多事的细节。
第一，本地脚本方案里，请求数据的频率一定要控制。有一次我为了测试脚本，在短时间内请求了同一网站大量页面，结果整个请求队列被限制访问，后面半小时什么都拉不回来。现在我的脚本里都固定了一个请求间隔，宁可慢一点，也不要触发限制。
第二，RSS推送方案在批量抓完新文章之后，最好再加一个去重逻辑。因为RSS服务偶尔会重复推送同一篇文章，去重逻辑按文章标题做一个简单判断就够。
第三，EPUB文件传到阅读器后，第一件事是检查目录，第二步是跳转书里最后几页，确认文件没在第99%的地方损坏。有几次我转出来的书，前面看着一切正常，但结尾几章缺失或乱码。养成这个习惯之后，再没发生过在阅读器里兴致勃勃打开一本坏书的事。
第四，如果你反复转换同一类型的网站，强烈建议把清洗规则沉淀成一个模板。这个模板不用很复杂，它本质上就是一份“网站域名对应正文选择器”的配置表。每天都有新站点加进来，维护久了，转换成功率会非常高。
这一套流程用下来，我现在积攒的电子书文件里有技术文章、有小说合集、有教程文档，加起来有几千本书。平时常用的反倒是每天推送的博客文章订阅，阅读器安安静静躺在床头，晚上躺下打开，想看的都在，眼睛不累，心情也好。写这些，希望对同样折腾过网页转电子书的朋友有点帮助。
