番茄小说下载神器:Tomato-Novel-Downloader 极简操作指南
Tomato-Novel-Downloader 是一款专为小说爱好者打造的免费小说下载工具,支持一键抓取番茄小说平台内容并生成EPUB格式电子书,让你随时随地享受离线阅读的乐趣。告别繁琐的手动复制粘贴,享受智能化的下载体验。
核心功能特色
- 📥 一键批量下载:只需输入小说链接,自动抓取全本章节
- 📖 标准EPUB格式:完美支持Kindle、手机阅读器等各类设备
- 🔄 断点续传技术:网络中断后自动从上次进度继续下载
- 🎵 有声小说生成:内置edge-tts语音合成功能,可生成有声小说
- ⚡ 多线程处理:下载速度显著提升
快速开始使用
环境准备
确保电脑已安装Python环境,通过以下命令快速配置:
git clone https://gitcode.com/gh_mirrors/to/Tomato-Novel-Downloader
cd Tomato-Novel-Downloader
pip install -r requirements.txt
下载小说步骤
- 运行主程序:
python main.py - 在弹出的窗口中粘贴小说详情页URL
- 点击"开始下载"按钮
程序会自动创建downloads文件夹,所有电子书将保存在这里。对于需要批量管理的用户,可通过novel_src/book_manager.py模块进行书架分类管理。
有声小说功能
从当前版本开始,程序内置了edge-tts语音合成功能:
- 在配置菜单中启用"是否生成有声小说"选项
- 默认发音人为zh-CN-XiaoxiaoNeural
- 可自定义语速、音量、音调及输出格式
- 音频文件存放在输出目录下的
{书名}_audio文件夹中
进阶使用技巧
批量下载设置
在novel_src/constants.py中可以调整并发线程数,建议设置为5-8个线程以获得最佳下载效果。
自定义封面
将图片命名为cover.jpg放在小说文件夹内,生成EPUB时会自动替换默认封面。
章节过滤功能
通过novel_src/book_parser/segment_utils.py可以设置需要跳过的章节关键词,实现个性化下载。
常见问题解答
Q: 下载速度慢怎么办?
A: 尝试修改novel_src/network_parser/network.py中的超时设置,或在非高峰时段进行下载。
Q: 生成的EPUB在某些设备上排版错乱?
A: 使用novel_src/book_parser/finalize_utils.py提供的格式修复功能,重新处理电子书文件。
Q: 如何获取小说ID? 首先找到想下载的小说的详情页,链接中的数字串就是小说ID。例如:https://fanqienovel.com/page/7143038691944959011 中的"7143038691944959011"。
注意事项
- 本程序仅用于个人学习研究使用,所有下载内容请在24小时内删除
- 请勿将下载的小说用于商业用途或传播
- 不建议下载超过1500章的超长篇小说
- 请勿使用VPN或网络代理等影响网络正常使用的程序
技术支持与贡献
项目仍在持续优化中,欢迎通过以下方式参与:
- 反馈使用中的问题和建议
- 贡献代码改进解析算法
- 分享使用技巧和经验
现在就用这款高效小说下载工具解放你的双手,让阅读回归纯粹的享受!无论是热门网文还是经典作品,都能轻松收入你的电子书架。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
