Lightnovel-crawler项目v3.8.1版本发布与技术解析
Lightnovel-crawler是一个开源的轻小说爬虫工具,主要用于从各大轻小说网站抓取小说内容并整理成电子书格式。该项目采用Python编写,支持多种输出格式,为轻小说爱好者提供了便捷的离线阅读解决方案。
版本更新概述
本次发布的v3.8.1版本主要增加了多个新的轻小说来源站点支持,并对现有部分爬虫进行了重构优化。作为一个小版本更新,它延续了项目对轻小说资源采集能力的持续扩展。
新增爬虫源解析
-
Fenrirscan源支持:新增了对Fenrirscan网站的爬取能力,扩展了轻小说资源的采集范围。
-
Arcane Translation源支持:添加了对Arcane Translation网站的支持,进一步丰富了可获取的翻译小说资源。
-
Novel543源支持:实现了对Novel543网站的爬取功能,为使用者提供了更多选择。
-
Ranobenovel源支持:新增Ranobenovel网站爬虫,扩展了日系轻小说的获取渠道。
-
Fenrirealm源支持:添加了Fenrirealm网站的采集能力,增加了轻小说资源的多样性。
-
Pandanovelco源支持:实现了对Pandanovelco网站的爬取功能,进一步扩大了轻小说采集范围。
-
Novlov源支持:新增Novlov网站爬虫,同时改进了模板系统,增加了标签和摘要支持。
现有爬虫优化
-
Meionovel重构:对Meionovel网站的爬虫进行了全面重构,提高了稳定性和采集效率。
-
69shuba改进:对69shuba网站的爬虫进行了重新设计,优化了采集逻辑。
-
Xbanxia更新:对Xbanxia网站的爬虫进行了功能更新,确保与网站最新结构的兼容性。
技术架构改进
-
模板系统增强:在爬虫模板中新增了对标签(tags)和摘要(summary)的支持,使采集的元数据更加丰富。
-
代码结构优化:通过重构多个爬虫模块,提高了代码的可维护性和扩展性。
使用建议
对于轻小说爱好者,建议及时更新到此版本以获得更多小说来源支持。开发者可以根据新增的爬虫实现参考,学习如何为项目贡献新的爬虫模块。
该版本虽然是小版本更新,但通过新增多个爬虫源和优化现有实现,显著提升了工具的实际使用价值,体现了项目团队对轻小说资源采集生态的持续投入和建设。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00