8. Dezember 2012, 23:07 Uhr

Neuer SpringerLink Downloader

Sprache:Python - Libs:pyPdf,PyGObject,lxml,urllib2

Update vom 09.07.2013: Ein Update der SpringerLink-Seite hat dieses Tool ein Stück weit überflüssig gemacht: Zukünftig können ganze Bücher in Form einer einzelnen DRM-freien PDF direkt bezogen werden. Es gibt aber weiterhin Bücher (vor allem ältere Ausgaben), die nicht als einzelne PDF verfügbar sind. (Der SpringerLink Downloader erkennt automatisch, ob das Buch als einzelne PDF oder kapitelweise heruntergeladen werden muss.)

Die neue Webseite von SpringerLink ist übersichtlicher, schöner und nützlicher als die bisherige. Aber einen Nachteil hat das vollständige Redesign: Das Python-Script springer_download.py[1] funktioniert nicht mehr.

Diese Gelegenheit habe ich genutzt, um das Tool komplett neu zu schreiben und dabei einige meiner Verbesserungsvorschläge von vor einem halben Jahr einzubringen. Meine neue Version basiert nun auf Python (ab Version 2.7), urllib2, lxml (mit cssselect) und pyPdf. Man benötigt außerdem entweder Ghostscript oder pdftk und für die Verarbeitung des Frontcovers auch ImageMagick.

Es handelt sich nicht um einen Fork, sondern um eine komplette Neukonzeption des Vorbilds von Milian Wolff. Obwohl einzelne User einen tadellosen Betrieb unter Windows mit cygwin vermelden, sei darauf hingewiesen, dass eine Entwicklung zum jetzigen Zeitpunkt ausschließlich unter und im Hinblick auf Linux stattfindet.

Enthalten ist eine sehr einfache grafische Oberfläche basierend auf Gtk3 (also PyGObject), die verwendet wird, wenn das Programm durch einen Doppelklick oder aus der Kommandozeile mit der Option --gui gestartet wird. Das Programm ist auch auf Systemen ohne die Gtk-Bibliotheken in der Kommandozeile lauffähig und nur dort kann man den vollen Funktionsumfang des Tools nutzen.

Download: springer_download.py (application/octet-stream, 137,2 kB, letztes Update: 07.10.2013)

Nach dem Download markiert man die Datei als ausführbar und die Software ist sofort nutzbar: Durch einen Doppelklick startet man die grafische Oberfläche. Wie üblich muss natürlich vor dem Aufruf des Programms eine Verbindung mit dem Universitätsnetzwerk bestehen, damit ein Zugriff auf die Inhalte von SpringerLink möglich ist.

Die Funktionsweise der Software

Das Tool bezieht die wesentlichen Metadaten (Titel, Autor, Anzahl der Kapitel, ...) von der Webseite und lädt das Buchcover herunter. Nach dem Download der PDF-Dateien werden diese zusammen mit dem Cover und den Metadaten in eine neue PDF-Datei geschrieben, die standardmäßig die ISBN des Buchs als Namen trägt.

Die Ausgabedatei wird mit einem Inhaltsverzeichnis versehen, das - falls vorhanden - aus den PDF-Dateien der einzelnen Kapitel extrahiert oder nötigenfalls aus den Angaben auf der Webseite zusammengestellt wird. Außerdem bleiben besondere Seitenbezeichnungen (etwa mit römischen Ziffern) bestehen, sodass insbesondere die Nummerierung der PDF-Seiten mit der durch die Druckausgabe vorgegebenen Nummerierung der Buchseiten übereinstimmt.

Bedienung über die Kommandozeile

Man übergibt dem Tool die URL des gewünschten Buchs wie folgt:

./springer_download.py "http://link.springer.com/book/10.1007/978-3-642-21017-4/"

Mit der Option --output (bzw. kurz -o) kann man den Pfad zur Ausgabedatei angeben und mittels --no-cover lässt sich der Download des Frontcovers unterdrücken. Statt der gesamten URL genügt auch die Angabe des Buchcodes in der URL (meist die ISBN):

./springer_download.py --output ausgabe.pdf "978-3-642-21017-4"
./springer_download.py --no-cover "BFb0062071"

Ohne die Option -o wird für den Dateinamen der Ausgabedatei standardmäßig die ISBN-Nummer verwendent. Mit der Option --autotitle wird stattdessen im Format AUTOREN - TITEL.pdf gespeichert - auf die Gefahr hin, dass der Titel sehr lang wird und unter Umständen viele Leer- und Sonderzeichen enthält.

Eine Übersicht über die zahlreichen weiteren Optionen erhält man mit

./springer_download.py --help

Quellcode

Das Projekt ist auf Github beheimatet.[2] Dort können der Quellcode und alternative Möglichkeiten zur Installation eingesehen werden.

  1. ein Student - 12. Januar 2013, 11:15 Uhr:
    Super! Vielen Dank! Du machst mir das Arbeiten viel leichter!
  2. Administrator - 16. Januar 2013, 22:47 Uhr:
    Ich möchte an dieser Stelle darauf hinweisen, dass die Verwendung des hier angebotenen Tools in den Lizenzverträgen von Springer mit dem an dem Programm teilnehmenden Hochschulen als vertragswidrig deklariert wird. Accounts, die dem zuwiderhandeln, werden automatisch gesperrt, siehe etwa hier: bib.hm.edu/aktuelle...wsdetail_9984.de.html
  3. Anja - 24. Januar 2013, 17:02 Uhr:
    Diese Warnung vor der Benutzung hab ich auch gelesen...ist es möglich bzw. schon eingebaut, dass der Script einfach Pausen einlegt zwischen den PDFs? Randomisiert am besten? Dann dürfte das ja schwer von menschlichen Einzelzugriff zu unterscheiden sein. Dann dauert es halt 15Min, besser als ständig alles einzeln anklicken und umbennen zu müssen.
  4. Administrator - 24. Januar 2013, 20:02 Uhr:
    Im Februar oder März habe ich nochmal Zeit, mich damit zu befassen. Mit GNU gettext soll es auf Deutsch und Englisch laufen. So eine Option, zwischen allen Downloads 15 Sekunden zu warten, kann ich dann auch recht problemlos einbauen, denke ich. Im Moment schaffe ich das aber zeitlich nicht.
  5. lom1980 - 26. Januar 2013, 12:02 Uhr:
    Super Tool! Besteht die Möglichkeit, eine Option zur Komprimierung der aus allen Kapiteln gemergten PDF einzubauen? Bei mir werden die resultierenden PDFs teilweise sehr groß...

1 2 3 4 5 6 7 8 9 10 11 12 13 »


x