前言
本文的文字及图片来源于网络,仅供学习、交流使用,不具有任何商业用途,如有问题请及时联系我们以作处理。
以下文章来源于CSDN，作者嗨学编程
python开发环境
python 3.6
pycharm
import requests
import parsel
import pdfkit
import time
相关模块pip安装即可
目标网页分析
1、先从列表页中获取详情页的URL地址
是静态网站，可以直接请求网页获取数据
for page in range(1, 31):
url = 'https://www.bibenet.com/mfzbu{}.html'.format(page)
headers = {
'Referer': 'https://www.bibenet.com/mianfei/',
'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/81.0.4044.138 Safari/537.36'
}
response = requests.get(url=url, headers=headers)
selector = parsel.Selector(response.text)
urls = selector.css('body > div.wrap > div.clearFiex > div.col9.fl > div.secondary_box > table tr .fl a::attr(href)').getall()
for page_url in urls:
print(page_url)
2、从详情页中获取标题以及内容
response_2 = requests.get(url=page_url, headers=headers)
selector_2 = parsel.Selector(response_2.text)
article = selector_2.css('.container').get()
title = selector_2.css('.detailtitle::text').get()
3、保存html网页数据并转成PDF
html_str = """
Document{article}
"""
def download(article, title):
html = html_str.format(article=article)
html_path = 'D:\\python\\demo\\招标网\\文书\\' + title + '.html'
pdf_path = 'D:\\python\\demo\\招标网\\文书\\' + title + '.pdf'
with open(html_path, mode='wb', encoding='utf-8') as f:
f.write(html)
print('{}已下载完成'.format(title))
# exe 文件存放的路径
config = pdfkit.configuration(wkhtmltopdf='C:\\Program Files\\wkhtmltopdf\\bin\\wkhtmltopdf.exe')
# 把 html 通过 pdfkit 变成 pdf 文件
pdfkit.from_file(html_path, pdf_path, configuration=config)
运行实现效果
本文分享 CSDN - 松鼠爱吃饼干。
如有侵权，请联系 support@oschina.cn 删除。
本文参与“OSC源创计划”，欢迎正在阅读的你也加入，一起分享。
