bookget 0.2.0

Download and parse ancient Chinese book resources from digital libraries

Bookget

古籍数字资源下载与管理工具，支持从 20+ 个数字图书馆网站下载古籍图片和文字资源。全异步架构，插件式适配器设计。

支持的网站

中国大陆

网站	域名	图片	文字	搜索
中华古籍智慧化服务平台	guji.nlc.cn	✓	✓
识典古籍	shidianguji.com	✓	✓	✓
中国哲学书电子化计划	ctext.org		✓	✓

日本 / 台湾

网站	域名	图片	文字
国立国会図書館 (NDL)	dl.ndl.go.jp	✓
漢籍全文資料庫	hanchi.ihp.sinica.edu.tw		✓
臺灣國家圖書館	rbook.ncl.edu.tw	✓
臺灣故宮博物院	digitalarchive.npm.gov.tw	✓

欧美图书馆

网站	域名	图片
哈佛大学图书馆	curiosity.lib.harvard.edu	✓
普林斯顿大学图书馆	dpul.princeton.edu	✓
斯坦福大学图书馆	searchworks.stanford.edu	✓
柏克莱加州大学东亚图书馆	digicoll.lib.berkeley.edu	✓
法国国家图书馆 (BnF)	gallica.bnf.fr	✓
大英图书馆	bl.uk	✓
巴伐利亚州立图书馆 (BSB)	digitale-sammlungen.de	✓

通用

网站	域名	图片	搜索
Wikimedia Commons	commons.wikimedia.org	✓	✓
维基文库	zh.wikisource.org		✓
Internet Archive	archive.org	✓
通用 IIIF	任意 IIIF Manifest URL	✓

安装

方式一：下载可执行文件（推荐）

前往 Releases 下载对应平台的文件，无需安装 Python：

文件	说明
bookget-cli-windows.exe	Windows 命令行工具，双击运行
bookget-cli-macos	macOS 命令行工具
bookget-ui-windows.exe	Windows 图形界面，双击打开浏览器操作
bookget-ui-macos	macOS 图形界面

macOS 用户首次运行需赋予执行权限：chmod +x bookget-cli-macos

方式二：pip 安装

需要 Python 3.10 或更高版本。

pip install bookget

如需下载识典古籍（需要浏览器自动化绕过反爬）：

pip install "bookget[browser]"
playwright install chromium

使用方法

图形界面（bookget-ui）

双击运行 bookget-ui，自动打开浏览器，在网页中操作即可。

或通过命令行启动：

bookget serve

交互模式（bookget-cli）

直接运行 bookget（或双击 bookget-cli），按提示逐步操作：

=======================================================
  bookget — 古籍下载工具
=======================================================

请输入书目 URL（输入 q 退出）: https://www.shidianguji.com/book/v3/1001
  ✓ 已识别站点：识典古籍
下载目录 [C:\Users\xxx\Downloads\bookget]:
并行数量 [3]:

正在探索书目结构……
  标题：周易
  节点：12  已完成：0

开始下载所有节点？[Y/n]:

下载完成后自动回到输入界面，可继续下载其他古籍。按 q 或 Ctrl+C 退出。

命令行模式

下载古籍

# 基本下载
bookget download "URL" -o ./output

# 增量下载（支持断点续传）
bookget download "URL" -o ./output --incremental --concurrency 3

# 只下载图片，不下载文字
bookget download "URL" -o ./output --no-text

# 只下载文字
bookget download "URL" -o ./output --no-images

结构发现与分步下载

# 发现书目结构（不下载）
bookget discover "URL" -o ./output

# 展开某个节点
bookget expand "URL" -o ./output --node NODE_ID

搜索与匹配

# 在指定站点搜索书名
bookget search --site ctext --query "周易"

# 精确匹配书名和作者
bookget match --site shidianguji --title "周易" --authors "孔颖达"

其他命令

# 获取书籍元数据
bookget metadata "URL"

# 查看所有支持的网站
bookget sites --list

# 检查某个网址是否支持
bookget sites --check "URL"

常用选项

选项	说明
-o, --output DIR	下载保存目录
--incremental	增量下载，支持断点续传
--concurrency N	同时下载数量（默认 1）
--no-images	跳过图片
--no-text	跳过文字
--section NODE_ID	只下载指定章节
--json	以 JSON 格式输出结果
-q, --quiet	安静模式，减少输出

配置

可通过环境变量调整默认行为：

变量	说明	默认值
GUJI_OUTPUT_DIR	下载目录	./downloads
GUJI_CONCURRENT_DOWNLOADS	同时下载数量	4
GUJI_DEBUG	调试模式	false

也可以用配置文件：

bookget --config config.json download "URL"

从源码构建

如果你想自行构建可执行文件：

# 克隆仓库
git clone https://github.com/open-guji/bookget-py.git
cd bookget-py

# 安装依赖
pip install -e ".[dev]"
pip install pyinstaller

# 安装前端依赖
cd ui && npm install && cd ..

# 构建两个可执行文件
python packaging/build.py

# 或只构建其中一个
python packaging/build.py cli   # 只构建 bookget-cli
python packaging/build.py ui    # 只构建 bookget-ui（会自动构建前端）

构建产物在 dist/ 目录下。

许可证

MIT