tovotu

8. Dezember 2012
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, 160,27 kB, letztes Update: 21.10.2013)

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 FramaGit beheimatet.[2] Dort können der Quellcode und alternative Möglichkeiten zur Installation eingesehen werden.

  1. tovotu.de/blog/514-...SpringerLink-beziehen
  2. framagit.org/tuxor1337/springerdownload

Kommentare

Poppei 24. Juni 2013

Hi!

Vielleicht ein Hinweis: ich hatte ein frisch installiertes Kubuntu 13.04. Ich konnte das Skript nicht ausführen, da die Meldung "ImportError: cannot import name Gtk" kam.
ALles was man tun muss, ist das Paket "pythpn-gtk2-dev" zu installieren, samt aller Abhängigkeiten.

Danke für das tolle Skript!!

Ben 21. Juni 2013

Interessant was es nicht alles gibt.
Nunja ich schiebe es mal auf meine unerfahrenheit mit linux.
Ich habe im package manager einfach lxml eingegeben und erwartet, dass er mir dann alles mit lxml anzeigt - darunter war aber kein python-lxml.
Wie ich nun gesehen habe muss man die richtige suche benutzen und dort lxml suchen dann findet man auch das python paket.
Nungut wieder was gelernt und um viele erfahrungen reicher.

Administrator 20. Juni 2013

Vielleicht solltest du mal verraten, warum du überhaupt irgendwas kompilierst, anstatt einfach das Paket "python-lxml" zu installieren.

Ben 20. Juni 2013

Ok habe es nun nochmal probiert mit einem frischen Debian.

libxml2 und libxslt kann man per apt-get laden; allerdings hatte ich nicht die zugehörigen dev pakete - das war der fehler (da habe ich die lxml webseite bisschen falsch verstanden). Man muss die dev pakete laden, dann python-dev sowie gcc dann kann man per 'python setup.py install' lxml kompilieren und installieren lassen.

grüße =)

Administrator 20. Juni 2013

Damit hier keiner auf dumme Gedanken kommt: Alle halbwegs modernen Linux-Distributionen bringen Paketmanager mit, die die hier benötigten Python-Module bereitstellen.

Es ist also (auch unter Debian!) nicht nötig, irgendetwas per Hand zu kompilieren, um den Springer Downloader benutzen zu können.
« 1 2 3 4 5 6 7 8 9 10 11 12 13 »
Neue Kommentare zu diesem Artikel bitte per Mail an kommentare-518(at)tovotu.de!