自己动手写CSDN博客提取器，提取文件保存支持PDF、doc、txt三种格式

转载自：http://blog.csdn.net/w397090770/article/details/7760907

下载地址http://download.csdn.net/detail/w397090770/4438566（不需要积分）

下面有网友说爬取到的博文没有任何博主的信息，今天我更新了一下代码， 在每一篇爬取到的博文中添加了作者博客名字以及这篇博文的地址，详细见下图。

用了好久的CSDN博客，发现里面有很多的很不错的文章，但是一篇一篇的复制、粘贴总觉得很麻烦，于是，花了1天半的时间做了一个CSDN博客提取器，可以爬取CSDN博客指定用户所有的文章列表，可以选择相关的文章进行下载，下载保存支持PDF、doc、txt三种格式。保存的pdf、doc文件支持图片，txt文件是纯文本格式的文件。软件运行的时候需要jdk1.5或者以上环境。

    本程序用java编写，运行的时候需要JDK1.5或以上环境，无需安装。程序通过分析CSDN博
客源码来生成一些必要的数据，可能在以后使用当中出现爬取不了的情况，可能是CSDN的源码
结构修改了。程序只是用于学习之用，严禁用于非法目的而照成CSDN服务器过载。
    由于生成PDF的时候需要依赖字库，所以在打包程序的时候把一些必要的字库已经放到程序中
去了。可能在生成一些PDF文件的时候出现乱码问题，那是因为里面缺少需要的字库，如遇到这
个问题，请和本人联系：wyphao.2007@163com


fonts文件夹是生成pdf文件依赖的字体库，如果生成的pdf文件是乱码，说明缺少相关的字体。


####################################################
程序功能：
    1、支持输入CSDN博客用户名针对性下载
    2、支持选择保存下载的文件
                保存的结构目录为：
                        选择的保存路径\CSDN用户名\img                 该用户的头像保存路径
                        选择的保存路径\CSDN用户名\pdf                  生成的PDF文件保存路径
                        选择的保存路径\CSDN用户名\doc                  生成的DOC文件保存路径
                        选择的保存路径\CSDN用户名\txt                   生成的TXT文件保存路径
    3、支持获取用户博客信息
    4、支持显示用户所有的帖子列表
    5、可以自己选择需要下载的帖子，有全选、反选、重置按钮
    6、支持下载的文件保存为 pdf、doc、txt三种格式
    7、生成的pdf、doc文件支持图片
    8、支持进度显示
    
####################################################
    
    制作时间：2012年07月17日 - 2012年07月18日
    制     作：w397090770
    个人博客：http://blog.csdn.net/w397090770
    Email   ：wyphao.2007@163.com
    版权所有，翻版不究
####################################################

 

已经贴出了本程序的一部分源代码（其他的我会慢慢添加）

自己动手写CSDN博客提取器源码分析之一：处理网页保存为txt文件http://blog.csdn.net/w397090770/article/details/7767531

自己动手写CSDN博客提取器源码分析之二：处理网页保存为doc文件http://blog.csdn.net/w397090770/article/details/7768089

自己动手写CSDN博客提取器源码分析之三：处理网页保存为pdf文件http://blog.csdn.net/w397090770/article/details/7768129

 

 

下面是我爬取这篇文章的结果

文本的肯定没图片哇。嘿嘿