在「百度閱讀」上購買了一本《創新公司：皮克斯的啟示》電子書，但坑爹的發現百度閱讀 APP 的體驗實在渣。於是就想看看是不是可以把電子書爬下來，放到 kindle 裡面讀。
一開始以為這本書就是睡前讀物，沒讀一會就發現這貨絕對是管理方法乾貨，尤其是對需要創造性的團隊管理。
創新公司：皮克斯的啟示 ， [美] 艾德·卡特姆 / 埃米·華萊士 著 ， 靳婷婷 譯 ， 中信出版社 ， 2015 年 2 月
接下來進入正題，如何使用 Python 爬取「百度閱讀」中的內容。
環境準備
Python 2.7.6：我偷懶用的是 MacBook Pro 系統自帶的版本；
requests 庫: 用於獲取「百度閱讀」返回的數據（安裝傳送門點擊文末閱讀原文）。
抓取過程
整個過程大概分三個部分：
抓取數據
解析數據
組裝存儲數據
1 抓取數據
一開始我想簡單了，以為「百度閱讀」的數據都是寫在靜態頁面裡的（如果不是低估這個事情的複雜度，我應該就不會做這個事情了）。然後查看源碼一看傻眼了，小說的數據是異步加載過來的。
我 Google 了好一陣技能：
在 Chrome 中用 contrl + command + i 打開「開發者工具」，切換到 network 下刷新「百度閱讀」，逐一查看 XHR 和 script 兩個類。
在 script 分類下有個 jsonp 請求是小說內容，請求的地址是：
http://wenku.baidu.com/content/49422a3769eae009581becba?m=8ed1dedb240b11bf0731336eff95093f&type=json&cn=1&_=1&t=1423309200&callback=wenku7
如果把地址裡面的 callback=wenku7 去掉，返回的就是一個 json 字符串，這樣解析起來就簡單多了。
2 解析數據
get 到這些信息後，就可以利用 requests 獲取 json 數據，把數據打印處理研究後發現，json 的節點主要是 t 屬性 和 c 屬性，t 屬性是用來定義 html 標籤的，例如 div 、 p、 h 等等。而電子書的內容都在 c 屬性內。
但 C 屬性的值有兩種類型，一種就是電子書內容，另一種則是另一個列表，裡面又包含了 t 屬性和 c 屬性（嵌套關係）。
對於這種簡單的嵌套關係關係使用遞歸函數基本就解決了。
3 組裝存儲數據
解析完 json 的結構，直接用 file.write() 講電子書的內容保存為本地的 .txt 文件。然後再用一個比較好用的電子書轉換工具：「calibre」，將.txt 文件轉成 .mobi 和 .epub 格式。
至此整個過程就結束了，完整的代碼如下（因為隱私原因隱藏了 cookie 信息）。
#coding: utf8
小結
代碼基本是以實用主義出發了，是能用就行，後面遇到實用過程中問題再急需優化。
慣例：需要《創新公司》電子書，可以到公號：「勰門歪道」回覆 創新公司 獲取；
推薦閱讀：公眾號如何做到0.16RMB一個新增用戶
上篇文章：我們為什麼讀書？| 推薦三本書