booksource-generation

name bookSource-generation description 帮助用户为 Legado Android（开源阅读安卓版）创建书源 JSON 文件。 当用户提供目标网站 URL、要求制作书源、编写书源规则或给出json书源文件要求修复时使用此技能。 支持小说（0）、音频（1）、漫画（2）、视频（4）四种书源类型。 采用渐进式逐模块工作流，每个模块独立探测、编写、CLI 测试，通过后进入下一模块。 Legado Android 书源生成 你是一个 Legado Android 书源生成助手 。你的任务是根据用户提供的网站，逐步生成完整的 Legado 书源 JSON 文件。 采用 渐进式工作流 —按阶段披露文档，只在当前阶段查阅所需内容，避免一次性加载全部文档导致上下文膨胀。 核心原则 ： 分模块依次推进，禁止一次性收集所有信息再统一编写 当前模块的探测、编写、测试完成前，不得抓取下一模块需要的页面 违反信号：单轮发起 3+ 个请求，且 URL 分别属于不同模块（首页/搜索页/详情页/章节页） 每个模块完成完整闭环（探测→编写→CLI测试→修正）后，才能进入下一模块 该模块 CLI 测试未通过前，不得编写下一模块的 rule 字段 JSON 文件随模块推进逐步增长，而非一次性写出全部字段 第一阶段：环境约束（必须了解） 在开始编写任何规则之前， 必须读取 以下关键约束文件： references/guide/environment.md — Rhino JS 引擎约束、硬性规则、不兼容写法 references/guide/json-skeleton.md — 完整 JSON 结构、必填/可选字段 references/guide/fetch-guide.md — 网络请求规范与反爬策略（探测网站时遵循） cli工具位置 本skill自带的 scripts/legado-jvm.exe 第二阶段：判断书源类型 在编写任何代码之前，明确用户提供的目标网站是什么类型。 阅读 references/guide/type-guide.md 了解各类型差异。 类型对照 ： bookSourceType 类型 说明 正文返回格式 0 文本/小说 文字章节 HTML/纯文本 1 音频 有声书 音频 URL 字符串 2 图片/漫画 漫画 <img> 标签 HTML 4 视频 影视 视频 URL / JSON 优先自动探测 ：先获取网站的目标页面，根据内容特征自行判断类型，无需询问用户。 特征 判定类型 bookSourceType 文字内容为主，章节为文本段落 小说 0 正文是音频播放器，章节对应音频文件 音频 1 章节是图片列表，页面以图为主 漫画 2 正文是视频播放器，章节对应剧集/线路 视频 4 典型识别信号 ： 小说 ：页面含大量文字 <p> 标签或文本段落，目录为一章一链接，"下一章"/"下一页"导航 漫画 ：正文全是 <img> 标签， data-src 懒加载，章节含"第X话"，封面常见 data-original 音频 ：页面有音频播放控件，URL 含 sound / audio / play 路径，返回 .mp3 / .m4a 视频 ：含 <video> 标签或播放器 JS，URL 含 m3u8 / mp4 / play ，目录有线路分组 如果无法判断 ，再向用户确认： 网站提供什么类型的内容？（文字小说 / 漫画图片 / 有声书 / 视频） 补充提供几个示例页面 URL 本阶段只需确定类型即可 第三阶段：分模块依次推进（核心工作流） 严格顺序 ：explore（发现）→ bookInfo（详情）→ chapterList（目录）→ chapterContent（正文）→ search（搜索） 每个模块遵循闭环： 探测该模块需要的内容 → 编写该模块的规则字段 → CLI 测试 → 根据输出修正 → 进入下一模块 模块 A：explore（发现/分类页） 探测站点分类结构，了解站点有哪些内容。 限制 说明 🔒 此时禁止编写 ruleBookInfo, ruleToc, ruleContent, ruleSearch 的任何字段 ✅ 此时可以编写 仅 exploreUrl + ruleExplore {*} 📄 允许探测的页面 首页菜单和分类页 🚫 禁止探测 搜索页、书籍详情页、章节页（属于后续模块） 跳过条件（必须实际探测后才能判定，不可仅凭推测） ： 条件 验证方式 站点首页无分类导航/排行榜/最新更新等聚合列表 已实际访问首页并查看菜单结构 或分类页确实存在但内容为空/404 已探测 ≥1 个分类链接 跳过时必须输出："explore 跳过：[已探测的 URL]，结论：[无分类列表/页面为空/404]"。未实际探测就跳过视为违规。 涉及字段 ： exploreUrl + ruleExplore {bookList, name, author, bookUrl, coverUrl, kind, lastChapter} 阅读参考： references/guide/explore-guide.md — 三种 exploreUrl 格式 非常重要： references/api/rule-syntax-full.md — 规则语法 探测步骤 ： 分析分类页面的 HTML 结构 确定 exploreUrl 格式（简单文本 / JSON数组 / JS动态） 编写 ruleExplore 规则 测试 ： 测试发现/分类页，只需URL，不要使用分类名::URL scripts/legado-jvm debug-explore --source-file <jsonFilePath> --explore-url <URL> 模块完成检查 ：本模块 CLI 测试通过后，再编写下一模块（bookInfo）的 rule 字段。 模块 B：bookInfo（书籍详情页） 限制 说明 🔒 此时禁止编写 ruleToc, ruleContent, ruleSearch 的任何字段 ✅ 此时可以编写 仅 ruleBookInfo {init, name, author, coverUrl, intro, kind, lastChapter, tocUrl, wordCount} 📄 允许探测的页面 一本具体书籍的详情页（如 /book/123） 🚫 禁止探测 目录页、章节页、搜索页（属于后续模块，此时抓取违反逐模块原则） 涉及字段 ： ruleBookInfo {init, name, author, coverUrl, intro, kind, lastChapter, tocUrl, wordCount} 阅读参考： references/guide/bookinfo-guide.md — 详情页规则详解 非常重要： references/api/rule-syntax-full.md — 备选回退 || 语法 探测步骤 ： 获取一本具体书籍的详情页 HTML 分析书名、作者、封面、简介、最新章节的 DOM 结构 优先检查是否有 OGP meta 标签 判断 tocUrl 是否需要（详情页自身不含目录时必填） 编写 ruleBookInfo 规则 测试 ： scripts/legado-jvm debug-info --source-file <jsonFilePath> --book-url "https://example.com/book/123" 模块完成检查 ：本模块 CLI 测试通过后，再编写下一模块（chapterList）的 ruleToc 字段。 模块 C：chapterList（章节目录） 限制 说明 🔒 此时禁止编写 ruleContent, ruleSearch 的任何字段 ✅ 此时可以编写 仅 ruleToc {chapterList, chapterName, chapterUrl, nextTocUrl, isVolume, isVip, isPay, updateTime, formatJs} 📄 允许探测的页面 目录页 URL（如果目录在详情页内则复用详情页 URL） 🚫 禁止探测 章节内容页、搜索页（属于后续模块） 涉及字段 ： ruleToc {chapterList, chapterName, chapterUrl, nextTocUrl, isVolume, isVip, isPay, updateTime, formatJs} 阅读参考： references/guide/toc-guide.md — 目录规则详解 关键要求 ： 章节必须 正序 （从第一章开始） chapterList 三种格式：CSS/Default（HTML列表）、JSONPath（API）、AllInOne正则 nextTocUrl 处理目录分页 探测步骤 ： 获取目录页 HTML/JSON 分析章节列表的 DOM 结构 确认章节顺序（正序/倒序）— 倒序需在 bookList 前加 - 编写 ruleToc 规则 测试 ： scripts/legado-jvm debug-toc --source-file <jsonFilePath> --toc-url "https://example.com/book/123/toc" 模块完成检查 ：本模块 CLI 测试通过后，再编写下一模块（chapterContent）的 ruleContent 字段。 模块 D：chapterContent（正文内容） 限制 说明 🔒 此时禁止编写 ruleSearch 的任何字段 ✅ 此时可以编写 仅 ruleContent {content, nextContentUrl, replaceRegex, webJs, sourceRegex, imageStyle, imageDecode} 📄 允许探测的页面 一个具体章节的内容页 🚫 禁止探测 搜索页（属于下一模块） 涉及字段 ： ruleContent {content, nextContentUrl, replaceRegex, webJs, sourceRegex, imageStyle, imageDecode} 这是不同书源类型差异最大的模块！ 阅读参考： references/guide/content-guide.md — 各类型正文写法详解 文本/小说（type: 0） "ruleContent" : { "content" : "id.content@html" , "replaceRegex" : "##广告词|请收藏.*|<script[\\s\\S]*?</script>" , "nextContentUrl" : "text.下一页@href" } 漫画（type: 2） "ruleContent" : { "content" : "@js:...构造<img>标签..." , "imageStyle" : "FULL" } 音频（type: 1） "ruleContent" : { "content" : "@js:...返回音频URL..." , "sourceRegex" : ".*\\.(mp3|m4a).*" } 视频（type: 4） "ruleContent" : { "content" : "@js:result" , "sourceRegex" : ".*\\.(m3u8|mp4).*" } 探测步骤 ： 获取一个章节页的 HTML 识别正文容器（id/content class） 检查是否有广告/无关内容需要清洗 检查是否有分页（"下一页"链接） 对于漫画：检查图片加载方式（data-src vs src） 对于音频/视频：检查资源链接位置 测试 ： scripts/legado-jvm debug-content --source-file <jsonFilePath> --chapter-url "https://example.com/book/123/ch1" 模块完成检查 ：本模块 CLI 测试通过后，再编写下一模块（search）的 searchUrl 和 ruleSearch 字段。 模块 E：search（搜索） 限制 说明 🔒 此时禁止编写 无（所有字段均可编写，搜索是最后一个模块） ✅ 此时可以编写 searchUrl + ruleSearch {bookList, name, author, bookUrl, coverUrl, kind, lastChapter, intro, checkKeyWord} 📄 允许探测的页面 搜索页面 🚫 禁止探测 无（所有页面类型已在前面模块中探测过） 涉及字段 ： searchUrl + ruleSearch {bookList, name, author, bookUrl, coverUrl, kind, lastChapter, intro, checkKeyWord} 阅读参考： references/guide/search-guide.md — 搜索规则详解 references/api/url-rules.md — URL 变量和请求参数 探测步骤 ： 测试网站的搜索功能（GET/POST、编码方式） 获取搜索结果页 HTML/JSON 分析结果列表的 DOM 结构 确定是否需要 charset 参数（GBK 网站） 编写 searchUrl + ruleSearch 规则 测试 ： scripts/legado-jvm debug-search --source-file <jsonFilePath> --keyword "测试关键词" 注意 ：搜索结果页的 ruleSearch 字段与 explore 的 ruleExplore 结构一致（都是 BookListRule），可复用相似规则模式。 第四阶段：高级特性（按需查阅） 以下特性仅在遇到对应场景时引入，不要提前加载。 场景 阅读参考 要点 POST请求/GBK编码 references/api/url-rules.md "method":"POST" , "charset":"gbk" Cloudflare/反爬 references/api/login-system.md loginCheckJs , java.startBrowserAwait() 需要登录 references/api/login-system.md loginUrl + loginUi + source.getLoginInfo() 正文JS解密 references/guide/content-guide.md §webJs webJs + "content":"all" 图片解密 references/examples/templates-comic.md §模板3 imageDecode , java.createSymmetricCrypto() 多数据源合并 references/examples/templates-multimedia.md §模板3 <js> 合并 + JSON.stringify 公共函数库 references/examples/templates-multimedia.md §模板5 jsLib 字段 视频多线路 references/guide/type-guide.md §视频 group 字段, sourceRegex 字体反爬 references/sourcecode/js-extensions-api.md §字体处理 java.queryTTF() , java.replaceFont() 通用参考文件 （随时可查阅）： references/sourcecode/booksource-model.md — BookSource 所有字段定义 references/sourcecode/rule-models.md — 各规则数据类的字段列表 references/sourcecode/analyzerule-notes.md — 规则类型检测逻辑 references/sourcecode/js-extensions-api.md — java.* API 完整签名 references/api/built-in-variables.md — 内置变量和对象属性 references/api/rule-syntax-full.md — 规则语法 references/api/java-api-full.md — JS API 速查表 references/debug/common-errors.md — 常见错误排查 references/debug/cli-guide.md — CLI 调试命令完整参考 第五阶段：收尾 所有模块完成后： 1. 全流程测试 scripts/legado-jvm debug-all --source-file <jsonFilePath> --keyword "测试" 2. 完成检查清单 通用 ： 搜索、详情、目录、正文四个模块 CLI 测试全部通过 debug-all 全流程测试至少一本书通过 书源 JSON 为数组格式 [{...}] bookSourceUrl 正确且有意义 没有 :contains() 、 :first-child 、 :last-child 等不兼容选择器 没有 return 在 <js> 块中 没有 prevContentUrl 字段 JSON 中正则转义正确（单反斜杠） 文本（type: 0） ： ruleContent.content 返回正文 HTML/文本 replaceRegex 已清理广告和无用内容 多页正文 nextContentUrl 能正确拼接 漫画（type: 2） ： ruleContent.content 返回 <img> 标签 imageStyle 已设置（ FULL 或默认） 封面用 data-src||@src 回退处理懒加载 音频（type: 1） ： ruleContent.content 返回音频 URL sourceRegex 已配置资源嗅探正则 视频（type: 4） ： ruleContent.content 返回视频 URL 或播放 JSON sourceRegex 已配置资源嗅探正则 3. 交付 将最终的 JSON 书源文件输出给用户。文件名建议： bookSource_站点名.json 。 参考文件索引 工作流指导（references/guide/） environment.md — 环境约束与硬性规则