VitalSource Grabber

背景

Vitalsource是一家用於教科書的在線商店。不幸的是，訪問購買的內容非常有限。您必須使用Vitalsource的應用程序來閱讀書籍（無PDF），並且一次打印一次限制為2頁。這兩個頁面也將通過您的電子郵件地址進行水標記，並將作為圖像提供，因此變得不可搜索。偉大的。還有其他一些存儲庫有望下載Vitalsource書籍，但它們都不對我有用，所以我寫了自己的書。

要求

1. MACOS（腳本應在任何操作系統上運行，但本指南專注於MACOS）
2. 帶有購買書籍的Vitalsource帳戶
3. VitalSource Bookshelf Mac應用
4. 請求Python庫（ pip3 install requests ）
5. ImageMagick（ brew install imagemagick ）
6. 中間人代理人（Proxie/Mitmproxy/Charles代理）

過程

1. 下載單個頁面
2. 卸下水印
3. 添加頁碼
4. 將單個頁面合併到一個PDF文件中
5. OCR PDF使其可以搜索（本指南不涵蓋）

單與雙頁打印

如前所述，VitalSource允許您一次打印最大2頁。這是一個重要的細節，因為每本書可能以不同的格式設置（A5/A4/Custom），但打印的佈局始終為A4大小。因此，兩個A5大小的文本不會完全填寫兩個A4印刷頁面。

如果我們要求VitalSource一一打印頁面，所有頁面上的內容都將平均分佈。如果我們選擇按2頁打印，並且原始書的設置為小於A4格式，則偶數頁通常幾乎是空的。為了更好地說明這種差異，請參考以下圖像。

步驟1（下載單個頁面）

要下載頁面，您需要使用download_single.py或download_double.py腳本，具體取決於您喜歡哪種變體。我建議在兩個變體中下載前10頁，並根據結果決定（每本書都會有所不同）。

在運行腳本之前，您需要在第9-11行上修改一些參數： IBAN ， VitalSourceAPIKey和VitalSourceAccessToken 。儘管伊班具有相當不言自明，但其他兩個參數將需要您的一些工作。您需要使用推薦的調試代理之一捕獲書架應用程序的網絡流量，並從中提取兩個標頭屬性。擁有代理後，請在書架應用中打開您的書並打印任何頁面。然後檢查您的代理日誌以獲取到https://print.vitalsource.com/域的流量，然後檢查請求標題。

更新了3個參數後，請運行腳本。它將慢慢（為了避免觸發警報而進行下載）將請求的頁面下載到下載中的新文件夾中。

步驟2和3（刪除水印並添加頁碼）

腳本process.sh負責清理下載的頁面。首先，它刪除了水印，然後將頁碼添加到每個頁面的底部。

只需將下載書的iban作為唯一的參數運行腳本，您應該很好。這樣的./process.sh 9781000710899

步驟4（將單個頁面合併到一個PDF文件中）

這個很容易 - 只需選擇所有圖像，右鍵單擊並選擇快速操作>創建PDF

步驟5（OCR PDF以使其可搜索）

要使最終的PDF可搜索，您需要在其上運行光學角色識別（OCR）。有許多可以做到這一點的商業工具，例如Adobe Acrobat。