国产精品资源在线观看,东京热一本无码av,99re6这里有精品热视频

我們學習編程，在學習的時候，會有想把有用的知識點保存下來，我們可以把知識點的內容爬下來轉變成pdf格式，方便我們拿手機可以閑時翻看，是很方便的

先來一個單個的博文下載轉pdf格式的操作

python中將html轉化為pdf的常用工具是Wkhtmltopdf工具包，在python環(huán)境下，pdfkit是這個工具包的封裝類。如何使用pdfkit以及如何配置呢？分如下幾個步驟。

下載wkhtmltopdf安裝包，并且安裝到電腦上。
下載地址：https://wkhtmltopdf.org/downloads.html

我下的是這個版本，安裝的時候要記住路徑，之后調用要用到路徑

開發(fā)工具

python
pycharm
pdfkit （pip install pdfkit）
lxml

今天目標：博主的全部博文下載，并且轉pdf格式保存

基本思路：

1、url + headers
2、分析網頁： CSDN網頁是靜態(tài)網頁，請求獲取網頁源代碼
3、lxml解析獲取boke_urls, author_name
4、循環(huán)遍歷，得到 boke_url
5、xpath解析獲取文件名
6、css選擇器獲取標簽文本的主體
7、構造拼接html文件
8、保存html文件
9、文件的轉換

分析網頁： CSDN網頁是靜態(tài)網頁，請求獲取網頁源代碼
start_url =“https://i1bit.blog.csdn.net/” 為例
確定網址為同步加載

css選擇器獲取標簽文本的主體為代碼要點部分
css語法部分

# css選擇器獲取標簽文本的主體
  html_css = parsel.Selector(response_2)
  html_content = html_css.css('article').get()
# 構造拼接html文件
  html = \
'''
 <!DOCTYPE html>
  <html lang="en">
  <head><meta charset="UTF-8"><title>Title</title>
  </head>
  <body>{}
  </body>
 </html>
'''.format(html_content)

點開博主的一篇博文打開開發(fā)者工具

# css選擇器獲取標簽文本的主體
  html_css = parsel.Selector(response_2)
  html_content = html_css.css('article').get()
# 構造拼接html文件
  html = \
'''
 <!DOCTYPE html>
  <html lang="en">
  <head><meta charset="UTF-8"><title>Title</title>
  </head>
  <body>{}
  </body>
 </html>
'''.format(html_content)

文件的轉換

config = pdfkit.configuration(wkhtmltopdf=r'這里為下載wkhtmltopdf.exe的路徑')
pdfkit.from_file(
 第一個參數要轉變的html文件,
 第二個參數轉變后的pdf文件,
 configuration=config
) 
# 上面這樣寫清楚一點，也可以直接
pdfkit.from_file(
 第一個參數要轉變的html文件,
 第二個參數轉變后的pdf文件,
configuration=pdfkit.configuration(wkhtmltopdf=r'這里為下載wkhtmltopdf.exe的路徑')
)

源碼展示：

import parsel, os, pdfkit
from lxml import etree
from requests_html import HTMLSession
session = HTMLSession()

def main():
 # 1、url + headers
 start_url = input(r'請輸入csdn博主的地址：')
 headers = {
  'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 '
 '(KHTML, like Gecko) Chrome/84.0.4147.105 Safari/537.36'
 }
 # 2、分析網頁： CSDN網頁是靜態(tài)網頁， 請求獲取網頁源代碼
 response_1 = session.get(start_url, headers=headers).text

 # 3、解析獲取boke_urls, author_name
 html_xpath_1 = etree.HTML(response_1)
 author_name = html_xpath_1.xpath(r'//*[@id="floor-user-profile_485"]/div/div[1]/div[2]/div[2]/div[1]/div[1]/text()')[0]
 boke_urls = html_xpath_1.xpath(r'//article[@class="blog-list-box"]/a/@href')

 # 4、循環(huán)遍歷，得到 boke_url
 for boke_url in boke_urls:
  # 5、請求
  response_2 = session.get(boke_url, headers=headers).text
  # 6、xpath解析獲取文件名
  html_xpath_2 = etree.HTML(response_2)
  file_name = html_xpath_2.xpath(r'//h1[@id="articleContentId"]/text()')[0]

  # 7、css選擇器獲取標簽文本的主體
  html_css = parsel.Selector(response_2)
  html_content = html_css.css('article').get()
  # 8、構造拼接html文件
  html = \
'''
 <!DOCTYPE html>
  <html lang="en">
  <head><meta charset="UTF-8"><title>Title</title>
  </head>
  <body>{}
  </body>
 </html>
'''.format(html_content)
  # 9、創(chuàng)建兩個文件夾， 一個用來保存html 一個用來保存pdf文件
  if not os.path.exists(r'{}-html'.format(author_name)):
os.mkdir(r'{}-html'.format(author_name))
  if not os.path.exists(r'{}-pdf'.format(author_name)):
os.mkdir(r'{}-pdf'.format(author_name))
  # 10、保存html文件
  try:
with open(r'{}-html/{}.html'.format(author_name, file_name), 'w', encoding='utf-8') as f:
 f.write(html)
  except Exception as e:
print('文件名錯誤')
  # 11、文件的轉換
  try:
config = pdfkit.configuration(wkhtmltopdf=r'C:\Program Files\wkhtmltopdf\bin\wkhtmltopdf.exe')
pdfkit.from_file(
 '{}-html/{}.html'.format(author_name, file_name),
 '{}-pdf/{}.pdf'.format(author_name, file_name),
 configuration=config
)
a = print(r'--文件下載成功：{}.pdf'.format(file_name))
  except Exception as e:
continue

if __name__ == '__main__':
main()

代碼操作：