FanFicFare v4.44.0 版本更新解析:网络小说抓取工具的重大升级
FanFicFare 是一款功能强大的开源工具,主要用于从各类在线小说网站抓取内容并转换为电子书格式。它既可作为 Calibre 插件使用,也提供命令行界面,支持众多流行的小说网站。本次 v4.44.0 版本带来了多项重要改进和功能增强,下面我们将详细解析这些更新内容。
安装方式更新
FanFicFare 提供了两种主要安装方式:
-
Calibre 插件安装:用户可以直接下载插件 zip 文件安装,或通过 Calibre 内置的"获取插件"功能进行安装。
-
命令行界面安装:通过 Python 的 pip 包管理器安装,执行
pip install FanFicFare即可完成安装,若要更新则使用pip install --upgrade FanFicFare命令。安装过程会自动处理所有依赖项。
核心功能改进
网站适配器增强
-
StoriesOnlineNet 适配器改进:
- 新增
always_login选项,解决部分需要登录才能访问内容的特殊情况 - 修复了当描述/详情包含多余 div 标签时的解析问题
- 新增
-
Literotica 适配器修复:
- 修正了从网页获取 URL 选项的错误解析问题
-
AsianFanficsCom 适配器:
- 新增
inject_chapter_image选项,允许在章节中注入图片
- 新增
-
FicbookNet 适配器:
- 修复了附加元数据收集功能
-
FimFictionNet 适配器:
- 现在能够获取仅在书架中找到的故事内容
-
SyosetuCom 适配器:
- 针对网站更新进行了相应调整
功能性增强
-
双因素认证支持:
- 实现了基于时间的单次密码(TOTP)双因素认证异常处理机制
-
浏览器缓存改进:
- 新增对"directimages"与浏览器缓存结合使用的支持
- 改进了 Chrome 浏览器缓存块处理,现在将缺少头部的条目视为未找到
-
内容处理选项:
- 新增
remove_empty_p选项,主要用于处理 AO3/OTW 网站中的空段落 - 新增
try_shortened_title_urls选项(仅限 ffnet),尝试使用缩短的标题 URL
- 新增
-
Archive of Our Own 支持:
- 新增
use_archive_transformativeworks_org选项
- 新增
-
日志页面更新机制:
- 改进了日志页面的更新逻辑,提供更稳定的运行体验
技术细节与使用建议
对于 MacOS 用户,特别需要注意 open_pages_in_browser 功能的相关设置,这与系统特定的浏览器集成方式有关。
在内容抓取策略方面,本次更新撤销了之前 fanfictionnet 适配器中"当章节未找到时尝试从移动版(m.)而非桌面版(www)获取"的改动,这可能是由于移动版和桌面版内容差异导致的解析问题。
对于需要登录的网站,新的 always_login 选项确保了即使内容理论上可以公开访问,也会强制使用登录状态获取,这解决了一些边缘情况下的访问问题。
FanFicFare 持续优化其浏览器缓存机制,最新版本对 Chrome 缓存的处理更加健壮,能够更好地处理异常情况,如图片资源获取等场景。
本次更新体现了 FanFicFare 项目对用户体验的持续关注,通过新增选项和修复各种边界情况,使得这款工具在各种使用场景下都更加可靠和灵活。无论是普通用户还是高级用户,都能从这些改进中受益。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00