构建RSS转电子墨水报系统：从信息聚合到自动化推送的完整实践

这类项目最值得先看的不是功能列表，而是它到底解决了什么实际问题。很多人收藏了一堆RSS订阅，但最后还是用手机刷信息流，因为打开阅读器这个动作本身就有门槛。把RSS内容做成电子墨水报，核心价值在于 被动接收 和 低干扰阅读 ——信息像一份真正的报纸一样，定时、自动地呈现在一个不伤眼、不弹通知的设备上，帮你从主动“刷”信息，回归到被动“收”信息。

它适合两类人：一是信息过载，想减少手机使用时间的人；二是喜欢RSS这种自主订阅模式，但希望阅读体验更专注、更护眼的极客或文字工作者。最关键的能力不是显示技术，而是 自动化流程 ：如何把分散的订阅源聚合、格式化，并推送到一个常显的电子墨水屏设备上。

下面我会按实际把一个想法落地成可运行系统的顺序，拆解整个过程。我会假设你有一台基础的Linux服务器（树莓派或云主机）和一个支持刷机的电子墨水屏设备（如Kindle、文石，或专门的墨水屏显示器）。

1. 先想清楚：你的“墨水报”需要哪些核心环节

在动手写代码或配置工具前，得先把数据流理清楚。一个完整的“RSS转墨水报”系统，通常包含四个环节，缺一不可：

1. 信息获取与聚合 ：从多个RSS订阅源抓取最新内容。
2. 内容处理与格式化 ：清洗HTML、提取正文、统一排版，转换成适合墨水屏显示的格式（如纯文本、简单HTML或PDF）。
3. 推送与同步 ：将处理好的“报纸”文件发送到墨水屏设备。
4. 设备展示 ：墨水屏设备接收文件并刷新显示。

每个环节都有多种技术选型，你的选择决定了系统的复杂度和维护成本。

1.1 环节一：选对信息聚合器，别从零开始写爬虫

自己写RSS爬虫解析各种网站格式是个无底洞。直接用成熟的RSS阅读器后端或库，是更稳妥的选择。

• 方案A：使用在线RSS服务（如Feedbin、Inoreader）的API

  • 优点 ：稳定、省心。这些服务已经帮你处理了订阅源抓取、去重、内容缓存和API输出。
  • 缺点 ：通常是付费服务，且你的数据在第三方。
  • 关键点 ：调用它们的API获取文章列表和内容。你需要一个API Key。

• 方案B：自建RSS聚合服务（如FreshRSS、Miniflux）

  • 优点 ：数据完全自主，免费，可定制性强。
  • 缺点 ：需要自己维护一个服务，处理订阅源的更新和解析。
  • 关键点 ：在服务器上通过Docker或包管理工具安装。之后，你的“墨水报”程序就从这个自建服务的数据库或API里取数据。

• 方案C：使用本地RSS库（如Python的 feedparser ）

  • 优点 ：最轻量，不依赖外部服务，适合订阅源不多、变化不频繁的场景。
  • 缺点 ：需要自己处理网络请求、错误重试、内容缓存，稳定性需要更多代码保障。
  • 关键点 ：写一个定时脚本，循环遍历你的订阅源URL列表，用 feedparser 解析。

我的建议 ：如果只是个人使用，订阅源在几十个以内，从 方案C 开始最简单。如果想一劳永逸，并且不介意付费， 方案A 的Feedbin是非常好的选择，它的API清晰稳定。 方案B 适合技术控和隐私要求极高的用户。

1.2 环节二与三：格式转换与推送，决定最终体验

墨水屏设备千差万别，推送方式决定了你每天要花多少时间在维护上。

• 格式选择 ：

  • 纯文本 (.txt) ：兼容性最强，任何能显示文本的设备都支持。但会丢失所有格式和图片。
  • HTML单文件 ：可以保留简单的排版（标题、段落、列表）。需要墨水屏设备的内置浏览器支持。
  • PDF ：排版固定，跨设备显示效果一致。但生成PDF对服务器资源要求稍高，且文件体积大。
  • 图片 ：将排版好的内容渲染成图片（如PNG）。兼容性极好，但无法选中文字，且文件体积最大。

• 推送方式 ：

  • 邮件推送 ：最通用。让墨水屏设备（如Kindle）绑定一个专属邮箱，服务器端将生成的“报纸”作为附件发送到这个邮箱，设备会自动收取并显示。这是与Kindle配合的经典方案。
  • Web服务器同步 ：在服务器上运行一个简单的HTTP服务，提供“报纸”文件的下载链接。在墨水屏设备上写一个脚本，定时去拉取这个文件。这需要你的墨水屏设备能运行脚本（如刷了Kobo系统的设备）。
  • 物理传输 ：通过USB连接设备，用脚本自动拷贝文件。这要求设备一直连着服务器，不适合远程场景。

我的建议 ： 邮件推送 + PDF格式 是平衡效果和便利性的最佳组合。PDF能保证排版，邮件推送几乎支持所有带3G/4G或Wi-Fi的电子书阅读器，实现真正的“云端推送，自动接收”。

2. 环境准备：搭建一个能7x24小时运行的核心服务器

你的“编辑部”需要一台不关机的服务器。树莓派放在家里，或者一台最基础的云服务器（如腾讯云/阿里云的轻量应用服务器）都可以。

2.1 基础系统与包管理

以Ubuntu/Debian系统为例。首先确保系统更新，并安装必要的工具。

sudo apt update && sudo apt upgrade -y
sudo apt install -y python3-pip git curl wget

如果你在macOS上开发，可能会用到Homebrew来安装一些依赖。但在生产服务器上，通常直接用系统包管理器（ apt ）或Python的 pip 就够了。Homebrew主要用于macOS桌面环境，不要在生产Linux服务器上强行安装。

2.2 核心Python环境与依赖

我们的处理脚本主要用Python写。建议使用虚拟环境隔离依赖。

# 安装虚拟环境工具
sudo apt install -y python3-venv

# 创建项目目录并进入
mkdir ~/rss2paper && cd ~/rss2paper

# 创建Python虚拟环境
python3 -m venv venv

# 激活虚拟环境
source venv/bin/activate

激活后，命令行提示符前会出现 (venv) 字样。接下来安装核心Python库：

pip install feedparser beautifulsoup4 requests reportlab markdown

• feedparser : 用于解析RSS/Atom订阅源。
• beautifulsoup4 : 用于从HTML内容中清洗和提取纯文本或特定内容。
• requests : 用于网络请求（如果某些订阅源需要）。
• reportlab : 一个强大的PDF生成库。
• markdown : 如果你希望支持Markdown格式的订阅源，可以用它来转换。

2.3 邮件服务配置（如果选择邮件推送）

你需要一个发件邮箱。 强烈建议使用专门的邮件发送服务（如SendGrid、Mailgun）或你的域名邮箱服务商提供的SMTP ，而不是直接用个人QQ、163邮箱的SMTP，后者容易被封且有限制。

以配置SendGrid为例（它有免费额度）：

1. 注册SendGrid账号，创建一个API Key。
2. 在服务器上，不需要额外安装软件，Python的 smtplib 和 email 库是内置的。你只需要在脚本里配置好SMTP服务器地址、端口、账号和API Key（或密码）即可。

3. 核心实现：从RSS到PDF报纸的生成脚本

这是整个系统的“排版车间”。我们采用 方案C（本地 feedparser ） + PDF格式 + 邮件推送 的路径来演示。

3.1 第一步：编写RSS抓取与内容提取脚本

创建一个文件 fetch_rss.py ：

#!/usr/bin/env python3
import feedparser
from bs4 import BeautifulSoup
import html2text
from datetime import datetime
import time

# 配置你的RSS订阅源列表
FEED_URLS = [
    'https://rsshub.app/zhihu/daily',
    'https://sspai.com/feed',
    'https://feeds.feedburner.com/ruanyifeng',
    # 添加更多你喜欢的订阅源
]

def fetch_feeds():
    all_articles = []
    h = html2text.HTML2Text()
    h.ignore_links = False
    h.body_width = 0  # 不自动换行

    for url in FEED_URLS:
        print(f"正在抓取: {url}")
        try:
            feed = feedparser.parse(url)
            if feed.entries:
                for entry in feed.entries[:5]:  # 每个源只取最新5条，避免报纸过长
                    # 提取标题、链接、发布时间和内容
                    title = entry.get('title', '无标题')
                    link = entry.get('link', '#')
                    published = entry.get('published_parsed', entry.get('updated_parsed', None))
                    if published:
                        pub_date = time.strftime('%Y-%m-%d %H:%M', published)
                    else:
                        pub_date = '日期未知'

                    # 处理内容，优先使用summary或description
                    content_html = entry.get('summary', entry.get('description', ''))
                    # 使用BeautifulSoup清理一些不必要的标签
                    soup = BeautifulSoup(content_html, 'html.parser')
                    for tag in soup(['script', 'style', 'iframe', 'ins', 'ads']):
                        tag.decompose()
                    cleaned_html = str(soup)
                    # 将HTML转换为纯文本，保留基本格式
                    content_text = h.handle(cleaned_html)

                    article = {
                        'title': title,
                        'link': link,
                        'date': pub_date,
                        'source': feed.feed.get('title', url),
                        'content': content_text[:1000]  # 限制内容长度，避免PDF过大
                    }
                    all_articles.append(article)
        except Exception as e:
            print(f"抓取 {url} 时出错: {e}")
        time.sleep(1)  # 礼貌性延迟，避免请求过快

    # 按发布时间排序（最新的在前）
    all_articles.sort(key=lambda x: x['date'], reverse=True)
    return all_articles

if __name__ == '__main__':
    articles = fetch_feeds()
    print(f"共抓取到 {len(articles)} 篇文章。")
    # 这里可以先打印几篇看看效果
    for a in articles[:2]:
        print(f"\n---\n来源: {a['source']}\n标题: {a['title']}\n日期: {a['date']}\n")

运行这个脚本 python fetch_rss.py ，确认能正常抓取到文章标题和部分内容。 这是第一个验证点 ：确保你的订阅源地址有效，网络通畅，并且 feedparser 能正确解析。

3.2 第二步：编写PDF生成脚本

创建一个文件 generate_pdf.py ：

#!/usr/bin/env python3
from reportlab.lib.pagesizes import A4
from reportlab.platypus import SimpleDocTemplate, Paragraph, Spacer, PageBreak
from reportlab.lib.styles import getSampleStyleSheet, ParagraphStyle
from reportlab.lib.enums import TA_LEFT, TA_CENTER
from reportlab.lib import colors
from reportlab.pdfbase import pdfmetrics
from reportlab.pdfbase.ttfonts import TTFont
from datetime import datetime
import fetch_rss  # 导入我们刚才写的抓取模块

# 注册中文字体（关键！否则中文显示为空白）
# 你需要准备一个中文字体文件，如`simsun.ttc`(宋体)，放到项目目录下
try:
    pdfmetrics.registerFont(TTFont('SimSun', 'SimSun.ttf'))
    CHINESE_FONT = 'SimSun'
except:
    print("警告：未找到中文字体，将使用默认字体，中文可能显示异常。")
    CHINESE_FONT = 'Helvetica'

def create_paper(articles, filename='daily_paper.pdf'):
    doc = SimpleDocTemplate(filename, pagesize=A4,
                            rightMargin=72, leftMargin=72,
                            topMargin=72, bottomMargin=72)

    styles = getSampleStyleSheet()
    # 创建自定义样式
    styles.add(ParagraphStyle(name='ChineseTitle',
                               parent=styles['Heading1'],
                               fontName=CHINESE_FONT,
                               fontSize=16,
                               spaceAfter=12,
                               alignment=TA_CENTER))
    styles.add(ParagraphStyle(name='ChineseSource',
                               parent=styles['Heading2'],
                               fontName=CHINESE_FONT,
                               fontSize=10,
                               textColor=colors.grey,
                               spaceAfter=6))
    styles.add(ParagraphStyle(name='ChineseBody',
                               parent=styles['BodyText'],
                               fontName=CHINESE_FONT,
                               fontSize=10,
                               leading=14,  # 行距
                               spaceAfter=12,
                               alignment=TA_LEFT))

    story = []
    # 报纸头版标题
    today = datetime.now().strftime('%Y年%m月%d日')
    story.append(Paragraph(f"每日墨水报<br/>{today}", styles['ChineseTitle']))
    story.append(Spacer(1, 24))

    for i, article in enumerate(articles):
        # 文章标题
        story.append(Paragraph(article['title'], styles['ChineseTitle']))
        # 来源和日期
        source_line = f"来源: {article['source']} | 发布时间: {article['date']}"
        story.append(Paragraph(source_line, styles['ChineseSource']))
        # 文章内容
        # 将纯文本中的换行符替换为HTML的<br/>，以便Paragraph识别
        content_with_br = article['content'].replace('\n', '<br/>')
        story.append(Paragraph(content_with_br, styles['ChineseBody']))
        story.append(Spacer(1, 12))
        # 每5篇文章后分页，避免单篇文章跨页太多
        if (i + 1) % 5 == 0:
            story.append(PageBreak())

    doc.build(story)
    print(f"PDF报纸已生成: {filename}")
    return filename

if __name__ == '__main__':
    articles = fetch_rss.fetch_feeds()
    if articles:
        pdf_file = create_paper(articles)
        print(f"成功生成报纸，包含 {len(articles)} 篇文章。")
    else:
        print("未抓取到任何文章，无法生成报纸。")

关键点 ：

1. 中文字体 ：这是PDF生成最大的坑。ReportLab默认不支持中文。你必须将一个中文字体文件（如 .ttf 或 .ttc ）放在项目目录，并在代码中注册。你可以从系统字体目录（如 /usr/share/fonts ）复制一个，或使用开源字体。
2. 内容长度 ：在 fetch_rss.py 中我们对文章内容做了截断（ content_text[:1000] ），这是为了防止某篇文章过长导致PDF体积爆炸。你可以根据需求调整。
3. 样式调整 ： leading （行距）、 spaceAfter （段后间距）等参数需要根据你的墨水屏尺寸和分辨率微调，以达到最佳阅读效果。

运行 python generate_pdf.py ，如果一切正常，会在当前目录生成一个 daily_paper.pdf 文件。 这是第二个验证点 ：用PDF阅读器打开，检查中文是否正常显示，排版是否清晰。

3.3 第三步：编写邮件推送脚本

创建一个文件 send_email.py ：

#!/usr/bin/env python3
import smtplib
from email.mime.text import MIMEText
from email.mime.multipart import MIMEMultipart
from email.mime.application import MIMEApplication
import os
from datetime import datetime

# ====== 配置区 ======
SMTP_SERVER = 'smtp.sendgrid.net'  # 以SendGrid为例
SMTP_PORT = 587
SENDER_EMAIL = 'your_sender_email@yourdomain.com'  # 发件人邮箱
SENDER_PASSWORD = 'your_sendgrid_api_key'  # 这里是API Key，不是邮箱密码
RECEIVER_EMAIL = 'your_kindle_email@kindle.com'  # 你的Kindle接收邮箱
# ====================

def send_paper_via_email(pdf_file_path):
    if not os.path.exists(pdf_file_path):
        print(f"错误：PDF文件不存在 {pdf_file_path}")
        return False

    msg = MIMEMultipart()
    msg['From'] = SENDER_EMAIL
    msg['To'] = RECEIVER_EMAIL
    today = datetime.now().strftime('%Y-%m-%d')
    msg['Subject'] = f'每日墨水报 {today}'

    # 邮件正文
    body = f"""
    您好，

    这是您订阅的每日墨水报 ({today})，已生成PDF附件。

    此邮件由自动化系统发送，请勿直接回复。
    """
    msg.attach(MIMEText(body, 'plain'))

    # 添加PDF附件
    with open(pdf_file_path, 'rb') as f:
        pdf_attachment = MIMEApplication(f.read(), _subtype='pdf')
        pdf_attachment.add_header('Content-Disposition', 'attachment',
                                   filename=os.path.basename(pdf_file_path))
        msg.attach(pdf_attachment)

    try:
        server = smtplib.SMTP(SMTP_SERVER, SMTP_PORT)
        server.starttls()  # 启用TLS加密
        server.login(SENDER_EMAIL, SENDER_PASSWORD)
        server.send_message(msg)
        server.quit()
        print(f"邮件已成功发送至 {RECEIVER_EMAIL}")
        return True
    except Exception as e:
        print(f"邮件发送失败: {e}")
        return False

if __name__ == '__main__':
    # 假设PDF文件名为 daily_paper.pdf
    pdf_file = 'daily_paper.pdf'
    if os.path.exists(pdf_file):
        send_paper_via_email(pdf_file)
    else:
        print("请先运行 generate_pdf.py 生成PDF文件。")

关键配置 ：

1. 将 SENDER_EMAIL , SENDER_PASSWORD , RECEIVER_EMAIL 替换成你自己的信息。
2. SENDER_PASSWORD 对于SendGrid是API Key，对于其他服务商可能是专用密码或授权码。
3. Kindle用户注意 ：你需要将发件邮箱（ SENDER_EMAIL ）添加到亚马逊Kindle的“已认可的发件人电子邮箱列表”中，否则Kindle不会接收附件。这个设置在亚马逊官网的“管理我的内容和设备” -> “首选项” -> “个人文档设置”里。

运行 python send_email.py 测试邮件发送。 这是第三个验证点 ：检查你的邮箱（或Kindle）是否成功收到带附件的邮件。

4. 自动化与部署：让系统自己运转起来

手动运行三个脚本太麻烦。我们需要一个总控脚本，并用系统的定时任务让它每天自动执行。

4.1 创建总控脚本

创建一个文件 main.py ，按顺序调用所有功能：

#!/usr/bin/env python3
import subprocess
import sys
import os
from datetime import datetime

def run_script(script_name):
    """运行指定的Python脚本，并检查其返回值"""
    try:
        result = subprocess.run([sys.executable, script_name], check=True, capture_output=True, text=True)
        print(f"[OK] {script_name} 执行成功。")
        print(result.stdout)
        if result.stderr:
            print(f"[STDERR] {result.stderr}")
        return True
    except subprocess.CalledProcessError as e:
        print(f"[FAILED] {script_name} 执行失败，返回码: {e.returncode}")
        print(f"标准输出:\n{e.stdout}")
        print(f"标准错误:\n{e.stderr}")
        return False

def main():
    print(f"=== 开始生成每日墨水报 {datetime.now().strftime('%Y-%m-%d %H:%M')} ===")

    # 1. 抓取RSS
    if not run_script('fetch_rss.py'):
        print("RSS抓取失败，终止流程。")
        return

    # 2. 生成PDF
    if not run_script('generate_pdf.py'):
        print("PDF生成失败，终止流程。")
        return

    # 3. 发送邮件
    pdf_file = 'daily_paper.pdf'
    if os.path.exists(pdf_file):
        # 这里直接导入发送模块的功能
        from send_email import send_paper_via_email
        if send_paper_via_email(pdf_file):
            print("=== 流程执行完毕 ===")
        else:
            print("邮件发送失败。")
    else:
        print(f"错误：未找到PDF文件 {pdf_file}")

if __name__ == '__main__':
    main()

4.2 设置Linux定时任务（Cron）

我们希望每天早晨7点自动生成并发送报纸。

1. 首先，确保你的总控脚本有执行权限： chmod +x main.py

2. 编辑当前用户的cron任务： crontab -e

3. 在打开的编辑器中添加一行（假设你的项目在 /home/pi/rss2paper ， 且使用虚拟环境）：

   0 7 * * * cd /home/pi/rss2paper && /home/pi/rss2paper/venv/bin/python /home/pi/rss2paper/main.py >> /home/pi/rss2paper/cron.log 2>&1
   

   • 0 7 * * * 表示每天7:00执行。
   • cd /home/pi/rss2paper 切换到项目目录。
   • && /home/pi/rss2paper/venv/bin/python 使用虚拟环境中的Python解释器。
   • >> /home/pi/rss2paper/cron.log 2>&1 将脚本的所有输出（包括错误）追加到日志文件，方便排查。

4. 保存并退出。Cron会自动加载新任务。

验证定时任务 ：你可以将时间改为几分钟后，或者手动运行 python main.py 来测试整个流程。查看生成的 cron.log 文件，确认每一步都执行成功。

5. 进阶优化与问题排查

系统跑起来只是第一步，长期稳定运行需要处理更多细节。

5.1 内容优化：让“报纸”更易读

• 去重 ：不同订阅源可能转载同一篇文章。可以在 fetch_rss.py 中根据文章标题或链接进行简单的去重。
• 摘要生成 ：对于过长的文章，可以尝试用简单的算法（如提取前N句）或调用摘要API（注意API调用成本和稳定性）生成摘要，而不是粗暴截断。
• 分类排版 ：在生成PDF前，将文章按来源或你定义的分类（科技、生活、财经）分组，在报纸中分栏或分章节显示。
• 添加目录 ：如果文章很多，可以在PDF开头生成一个带页码的目录。

5.2 稳定性保障：应对网络波动和失败

• 重试机制 ：在 fetch_rss.py 的抓取环节，对每个订阅源添加重试逻辑（如 try...except 包裹，失败后重试2次）。
• 超时设置 ：使用 requests 库时，为请求设置超时（如 timeout=10 ），避免某个源卡住整个流程。
• 失败通知 ：如果整个流程失败，可以发送一封报警邮件到你的个人邮箱，而不是Kindle。可以在 main.py 的 try...except 最外层捕获异常，并调用一个发送错误邮件的函数。
• 日志记录 ：除了cron的日志，在关键步骤（开始抓取、抓取成功/失败、生成PDF、发送邮件）添加更详细的日志记录到单独的文件，方便追溯。

5.3 设备端适配：不只是Kindle

• 其他电子书阅读器 ：如果设备不支持邮件推送，但支持Wi-Fi和脚本（如刷了Kobo系统的设备），可以在设备上写一个简单的Shell脚本，定时从你的服务器Web服务（可以用Python的 http.server 快速搭建）下载PDF文件，并用内置阅读器打开。
• 墨水屏显示器/相框 ：这类设备通常运行完整Linux系统。你可以将生成PDF的步骤直接放在设备上，或者让设备从服务器拉取渲染好的图片。需要根据设备的具体API或显示方式进行适配。
• 纯文本显示 ：对于只能显示文本的极简设备，可以跳过PDF生成，直接生成一个 .txt 文件，通过 scp 或 rsync 同步到设备上。

5.4 常见问题排查清单

当你的“墨水报”没有按时出现时，按这个顺序检查：

1. 看日志 ：首先检查 cron.log 文件。错误信息通常就在这里。
2. 查权限 ：确认cron任务使用的用户有权限执行脚本、写入当前目录、访问网络。
3. 验环境 ：在cron任务命令中，Python路径和虚拟环境激活是关键。最稳妥的方法是，在cron中直接使用虚拟环境Python的绝对路径（如我们上面做的），而不是先 source activate 。
4. 测网络 ：手动在服务器上运行 python fetch_rss.py ，看是否能正常抓取订阅源。可能是服务器网络问题，或某个订阅源地址失效。
5. 查邮件 ：登录你的发件邮箱SMTP服务商后台（如SendGrid控制台），查看邮件发送日志，是否有被拒绝、退信等情况。
6. 查订阅源 ：个别订阅源结构变化可能导致 feedparser 解析失败。尝试单独解析那个源的URL，检查返回的数据结构。
7. 查存储 ：服务器磁盘是否满了？导致无法生成PDF。

这个方案的优势在于，所有组件都是可控、可修改的。你可以从最简单的文本PDF开始，逐步增加分类、摘要、更好的排版，甚至加入天气预报、待办事项等内容，打造一份真正属于你自己的个性化数字报纸。它最大的回报不是省下了看手机的几分钟，而是重新找回了对信息流的主动权。