Papeer

Qu'est-ce que Papeer ?

Papeer est un outil de scraping web spécialisé conçu pour l'ère de l'encre électronique, créé par le développeur lapwat et publié pour la première fois en septembre 2021. Écrit en Go, cet utilitaire en ligne de commande répond à un besoin spécifique : convertir le contenu web en formats optimisés pour les liseuses comme Kindle, les tablettes reMarkable et autres appareils de lecture numérique.

La principale force de l'outil réside dans sa capacité à extraire un contenu propre et lisible des sites web tout en préservant le formatage essentiel comme le texte en gras, les italiques, les liens et les images. Contrairement aux scrapers à usage général, Papeer se concentre sur la création d'expériences de lecture sans distraction en supprimant automatiquement les publicités, les menus de navigation et autres encombrements web à l'aide de la bibliothèque go-readability.

Avec 346 étoiles et 25 forks sur GitHub en mars 2026, Papeer s'est taillé une niche parmi les développeurs et les passionnés de lecture numérique qui souhaitent convertir des articles web, de la documentation et des sites entiers en formats d'ebook portables.

Commencer

L'installation est simple avec plusieurs options disponibles. Pour les développeurs Go, la méthode la plus simple est d'utiliser go install :

go install github.com/lapwat/papeer@latest

Alternativement, vous pouvez télécharger des binaires pré-compilés depuis la page des releases GitHub pour votre plateforme spécifique. L'outil ne nécessite aucune dépendance supplémentaire pour une fonctionnalité de base.

Pour les utilisateurs qui ont besoin du support du format MOBI (bien que Kindle prenne désormais en charge EPUB), vous devrez installer kindlegen sur Linux :

TMPDIR=$(mktemp -d -t papeer-XXXXX)
curl -L https://github.com/lapwat/papeer/releases/download/kindlegen/kindlegen_linux_2.6_i386_v2_9.tar.gz > $TMPDIR/kindlegen.tar.gz
tar xzvf $TMPDIR/kindlegen.tar.gz -C $TMPDIR
chmod +x $TMPDIR/kindlegen
sudo mv $TMPDIR/kindlegen /usr/local/bin
rm -rf $TMPDIR

Une fois installé, vérifiez l'installation en exécutant :

papeer --help

Utilisation et exemples pratiques

L'interface en ligne de commande de Papeer est construite autour de deux commandes principales : list pour prévisualiser la structure du contenu et get pour le scraping réel.

Scraping d'une seule page

Le cas d'utilisation le plus simple consiste à scraper une seule page web :

papeer get https://example.com/article

Cela crée un fichier Markdown avec le contenu nettoyé. Pour spécifier différents formats de sortie :

papeer get https://example.com/article --format=epub
papeer get https://example.com/article --format=html --output="my-article"

Scraping de documentation de site web

L'une des fonctionnalités les plus puissantes de Papeer est le scraping de sites de documentation entiers. Tout d'abord, utilisez la commande list pour prévisualiser la table des matières :

papeer list https://12factor.net/ --selector='section.concrete>article>h2>a'

Cela affiche une liste numérotée de toutes les pages qui seraient scrappées. Une fois satisfait de la structure, lancez le scraping réel :

papeer get https://12factor.net/ --selector='section.concrete>article>h2>a' --format=epub

L'outil créera un ebook complet avec toutes les pages de documentation en tant que chapitres, avec une table des matières.

Options avancées

Papeer offre un contrôle précis sur le processus de scraping :

# Limiter aux 10 premiers chapitres
papeer get https://docs.example.com --selector='nav a' --limit=10

# Ignorer les 5 premiers chapitres, ordre inverse
papeer get https://blog.example.com --selector='.post-link' --offset=5 --reverse

# Ajouter des délais entre les requêtes (scraping respectueux)
papeer get https://example.com --selector='a.chapter' --delay=1000 --threads=2

Performance et benchmarks

Construit en Go, Papeer offre des caractéristiques de performance solides. La capacité de téléchargement concurrent de l'outil lui permet de traiter plusieurs pages simultanément, avec le nombre de threads configurable via l'option --threads. Dans les scénarios de test, Papeer peut traiter des sites de documentation avec des dizaines de pages en moins d'une minute, selon les conditions du réseau et les temps de réponse du serveur cible.

L'utilisation de la mémoire reste modeste même lors du traitement de grands sites, car l'outil diffuse le contenu plutôt que de tout charger en mémoire simultanément. La bibliothèque go-readability ajoute un surcoût minimal tout en apportant une valeur significative dans le nettoyage du contenu.

Le mécanisme de délai intégré aide à maintenir des pratiques de scraping respectueuses, évitant la surcharge des serveurs tout en maintenant des vitesses de traitement raisonnables.

Qui devrait utiliser Papeer ?

Papeer cible plusieurs groupes d'utilisateurs spécifiques :

Passionnés de lecture numérique : Les utilisateurs qui préfèrent lire du contenu web sur des liseuses trouveront Papeer inestimable pour convertir des articles, de la documentation et des billets de blog en formats de lecture confortables.

Développeurs et rédacteurs techniques : Ceux qui ont besoin de convertir de la documentation technique, des références API ou des séries de tutoriels en formats lisibles hors ligne pour référence ou distribution.

Chercheurs et étudiants : Les utilisateurs académiques qui souhaitent compiler des matériaux de recherche basés sur le web en formats d'ebooks organisés et consultables pour une étude et une annotation plus faciles.

Curateurs de contenu : Les individus qui agrègent du contenu de plusieurs sources et ont besoin de le présenter dans un format unifié et professionnel.

L'outil est moins adapté aux utilisateurs qui ont besoin d'interfaces graphiques, de surveillance de contenu en temps réel ou d'intégration avec des systèmes de gestion de contenu.

Verdict

Papeer excelle dans sa niche spécifique de conversion de contenu web pour la consommation sur liseuses. Son extraction de contenu intelligente, son support de formats multiples et ses capacités de scraping récursif en font un outil puissant pour quiconque est sérieux au sujet de la lecture numérique. Bien que l'interface en ligne de commande et les exigences en matière de sélecteurs CSS créent une courbe d'apprentissage, les résultats justifient l'effort pour les utilisateurs qui consomment régulièrement du contenu web sur des liseuses. Le développement actif et la licence GPL-3.0 garantissent une viabilité à long terme, faisant de Papeer un choix solide pour les flux de travail de conversion web en ebook.