当然了,还是不建议这样去写,不过可以,这样的方法可以检测你提取数据时,是否有错误
import requests
import parsel
response = requests.get(url=url, headers=headers, cookies=cookie)
selector = parsel.Selector(response.text)
urls = selector.css(‘.article-list h4 a::attr(href)’).getall()
for html_url in urls:
print(html_url)
这样就获取了每一篇文章的url地址
提取解析方法同上
response = requests.get(url, headers=headers, cookies=cookie)
text 文本(字符串)
遭遇了反扒
print(response.text)
提取文章部分
sel = parsel.Selector(response.text)
css 选择器
article = sel.css(‘article’).get()
title = sel.css(‘h1::text’).get()
print(title)
print(article)
现在所看到的返回的内容结果,除了标题是咱们需要的那样,但是内容确实网页数据。
咱们只需要把html改成PDF格式
import pdfkit
html_str = “”"
<!doctype html>
{article}
“”"
html = html_str.format(article=article)
with open(f’{title}.html’, mode=‘w’, 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
自我介绍一下,小编13年上海交大毕业,曾经在小公司待过,也去过华为、OPPO等大厂,18年进入阿里一直到现在。
深知大多数Python工程师,想要提升技能,往往是自己摸索成长或者是报班学习,但对于培训机构动则几千的学费,着实压力不小。自己不成体系的自学效果低效又漫长,而且极易碰到天花板技术停滞不前!
因此收集整理了一份《2024年Python开发全套学习资料》,初衷也很简单,就是希望能够帮助到想自学提升又不知道该从何学起的朋友,同时减轻大家的负担。
既有适合小白学习的零基础资料,也有适合3年以上经验的小伙伴深入学习提升的进阶课程,基本涵盖了95%以上前端开发知识点,真正体系化!
由于文件比较大,这里只是将部分目录大纲截图出来,每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频,并且后续会持续更新
如果你觉得这些内容对你有帮助,可以扫码获取!!!(备注Python)
也有适合3年以上经验的小伙伴深入学习提升的进阶课程,基本涵盖了95%以上前端开发知识点,真正体系化!**
由于文件比较大,这里只是将部分目录大纲截图出来,每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频,并且后续会持续更新
如果你觉得这些内容对你有帮助,可以扫码获取!!!(备注Python)
![img](https://i-blog.csdnimg.cn/blog_migrate/ccd061f57fa5f83179d769549475683c.jpeg)