This commit is contained in:
Ubuntu
2026-07-03 16:58:28 +08:00
commit 32b43f85bd
6240 changed files with 1987678 additions and 0 deletions
+104
View File
@@ -0,0 +1,104 @@
# 📝 Public Domain Poetry Scraper
从 https://www.public-domain-poetry.com 抓取公共领域诗歌。
## 网站结构
```
name.php (按字母A-Z分页)
↓ 点击字母
name.php?l=A&s=author
↓ 点击诗人
/poet-slug (诗人页面,列出所有诗歌)
↓ 点击诗歌
/poet-slug/poem-slug (诗歌详情页)
```
## 存储结构
与 `libraryofshortstories` **不同**,诗歌直接放在诗人目录下:
```
/home/ubuntu/media/public-domain-poetry/
├── a-h-laidlaw/
│ ├── babylon-22309.txt
│ ├── betsie-brown-22302.txt
│ └── ...
├── abraham-cowley/
│ ├── poem1.txt
│ └── ...
└── ...
```
每个 `.txt` 文件包含:
- 诗歌标题
- 作者名
- 来源 URL
- 下载时间
- 诗歌正文
## 快速开始
### 1. 获取诗人列表(Phase 1)
```bash
./start.sh fetch
```
遍历 A-Z 26个字母页面,抓取所有诗人信息。
### 2. 下载诗歌(Phase 2)
**前台模式**:
```bash
./start.sh download
```
**后台模式**(推荐,诗歌数量多,耗时长):
```bash
./start.sh download-bg
```
### 3. 查看状态
```bash
./start.sh status
```
### 4. 查看日志
```bash
./start.sh log
tail -f logs/download.log
```
## 技术细节
- **下载间隔**: 7 秒
- **超时设置**: 30 秒
- **并发**: 单线程,避免被封
- **断点续传**: 支持,中断后从上次位置继续
## 与 Audiobook Player 集成
Audiobook Player 会自动扫描 `/home/ubuntu/media/` 目录:
```
/home/ubuntu/media/
├── libraryofshortstories/ # 故事(两级目录)
│ └── story-name/
│ └── content.txt
├── public-domain-poetry/ # 诗歌(一级目录)
│ └── poet-name/
│ ├── poem1.txt
│ └── poem2.txt
└── ...
```
播放器会识别两种不同的目录结构并正确显示。
## 注意事项
1. 诗歌数量巨大(数百位诗人 × 每位多首诗歌),下载可能需要 **数小时甚至数天**
2. 建议使用后台模式 `./start.sh download-bg`
3. 可以安全中断,进度会自动保存