KindleEar项目中的RSS推送失败问题分析与解决方案

问题背景

在KindleEar项目中，用户反馈使用ArchDaily的RSS源（https://www.archdaily.com/feeds/rss）时，电子书能够正常生成且本地可阅读，但自动推送至Kindle设备失败。通过技术分析发现，这主要与HTML5新标签兼容性和SVG图像处理有关。

技术分析

1. HTML5标签兼容性问题

Kindle设备对HTML5新标签的支持有限，特别是<picture>标签。当RSS源内容包含这些新标签时，KindleEar生成的电子书在转换过程中会出现警告：

警告(inputpreprocessor):W29007: 不使用的未知标签为： <picture>

这些警告虽然不会阻止电子书生成，但可能导致最终文件在Kindle设备上无法正确显示或推送失败。

2. SVG图像处理问题

更关键的问题在于SVG内嵌的title标签。Kindle设备不支持SVG内嵌的title标签，这会导致解析失败：

错误(prcgen):E21018: 解析文件中的内容时，创建改进的 Mobi 域名失败。

此外，SVG图像在Kindle上会自动放大占满整个屏幕，不仅影响美观，也对阅读体验造成负面影响。

解决方案

1. 代码更新

项目维护者已针对这些问题进行了代码更新：

1. 将HTML5的<picture>标签转换为Kindle支持的<img>标签
2. 默认移除SVG图像（因其在Kindle上显示效果不佳）
3. 对于确实需要保留SVG的特殊情况，可在网页的calibre选项中添加配置：{"keep_svg":true}

2. 部署方式

根据部署环境不同，更新方式有所区别：

1. GAE部署：直接重新部署即可应用新代码
2. Docker部署：使用最新的3.1.0标签镜像

相关问题的延伸讨论

在解决过程中，还发现了其他RSS源的相关问题：

1. 标题显示异常：某些RSS源的标题提取规则需要优化，可能导致标题显示位置不正确
2. 内容提取不完整：对于动态生成内容或复杂结构的网页，正文提取可能存在困难
3. 防爬虫机制：部分网站的反爬措施可能导致内容获取失败

这些问题反映了通用爬虫项目面临的挑战，需要针对不同网站进行特定优化。未来随着AI技术的发展，使用AI提取正文可能会成为更有效的解决方案。

最佳实践建议

1. 对于重要RSS源，建议使用专门的recipe而非通用RSS解析
2. 遇到问题时，可先检查本地生成的电子书文件，使用Sigil等工具验证HTML结构
3. 关注项目更新，及时应用修复和改进
4. 对于特定需求，可考虑自行修改recipe代码以适应个性化需求

通过这些问题和解决方案，我们可以更好地理解电子书生成和推送过程中的技术细节，以及如何针对不同内容源进行优化处理。