Come avere un libro sul web in pdf

A tutti è capitato di trovare un interessane manuale su internet e di volerlo stampare magari per poterselo leggere con calma durante il tempo libero, ma purtruppo molti di questo sono in formato "html" e sono solo capitoli che contengono i link a quelli successivi e non è prevista l'opzione per poterli stampare e stampare i capitoli uno ad uno è noioso!
Fortunatamente possiamo ricorrere ad uno script che fa tutto per noi. (Funziona su sitemi GNU/Linux)

Per prima cosa dobbiamo installare il pacchetto  htmldoc che è un semplice comando da terminale che converte un documento in formato html in pdf. Per farlo usate il vostro gestore pacchetti!

Ora apriamo il nostro edito di testo e mettiamo lo script per scaricare il le varie pagine e convertirle in un unico documento pdf:

#!/bin/bash

#those are the urls of the pages
path=http://www.ilnomedelsito/pagine
endPath=.html

#get all the pages from the web
for i in {1..55}
do
tmp=$path$i$endPath
wget $tmp
echo "page $i ->got"
done

list=""

#create a string with all the files's name
for i in {1..55}
do
list="$list $path$i$endPath"
done
echo "all file processed"

htmldoc -f book.pdf $list --webpage

#remove the temporary html files
rm -f *.html

echo "all done"

exit 0



Ora spieghiamo un po a cosa serve il tutto:
 #those are the urls of the pages
path=http://www.ilnomedelsito/pagine
endPath=.html
Queste sono due semplici variabili che identificano l'indirizzo da dove scaricare i file. Infatti, di solito questi libri hanno l'indirizzo composto da www.nome-sito.qualcosa/nome-libro/pagina-numero.html. Il nostro compito è semplicememte sostituire il numero con i vari numeri delle pagine da cui è composto il libro. (Ovviamente dovete mettere l'url giusto!)

#get all the pages from the web
for i in {1..55}
do
tmp=$path$i$endPath
wget $tmp
echo "page $i ->got"
done
Qui non si fa altro che un semplice ciclo per completare l'indirizzo con i vari numeri delle pagine identificati dalla variabile i. Nell'esempio abbiamo dalla pagina 1 alla 55, ma voi potete usare quelle che volete. Con wget poi le scharichiamo.

#create a string with all the files's name
for i in {1..55}
do
list="$list $path$i$endPath"
done
echo "all file processed"
Analogamente a prima qui creiamo una variabile che continene tutti i nomi die file che abbiamo appena scaricato.

htmldoc -f book.pdf $list --webpage

#remove the temporary html files
rm -f *.html
Gli ultimi due comandi servono per creare il pdf da tutte le pagine web scaricate (richiederà del tempo, a seconda del numero di pagine) e rimuovere le pagine html una volta finito tutto.

Ora non vi rimane altro che creare una cartella dove volete, mettere dentro il nostro script, renderlo eseguibile (comando chmod) ed eseguirlo.
Attendiamo un paio di istanti ed avremo il nostro documento in pdf che potremo stampare comodamete o farci quello che vogliamo!

ATTENZIONE: ovviamento non dovete usare questo script per cose illegali tipo distribuire il libro scaricato ai vostri amici!