本文是一系列Python爬虫入门教程，涵盖从壁纸到视频、文档等多种类型数据的抓取，包括如何分析数据来源、发送请求、解析网页、提取URL、获取内容并转化为PDF。作者分享了爬取静态网页数据的方法，强调了整体抓取流程和代码实现细节。
Python爬虫入门教程23：A站视频的爬取，解密m3u8视频格式
PS：如有需要 Python学习资料 以及 解答 的小伙伴可以加点击下方链接自行获取
-
Python 3.6
-
Pycharm
import requests
import parsel
import re
import os
import pdfkit
安装Python并添加到环境变量，pip安装需要的相关模块即可。
需要使用到一个软件 wkhtmltopdf 这个软件的作用就是把html文件转成PDF
（软件可以点击上方链接在学习交流群中即可获取）
想要把文档内容保存成PDF， 首先保存成html文件， 然后把html文件转PDF
写爬虫程序，对于数据来源的分析，是比较重要的，因为只有当你知道数据的来源你才能通过代码去实现
网站分类有比较多种， 也可以选择自己要爬取的。
这个网站如果你只是正常直接去复制文章内容的话，会直接弹出需要费的窗口…
但是这个网站上面的数据内容又非常好找， 因为网站本身仅仅只是静态网页数据，可以直接获取相关的内容。
通过上述内容，如果想要批量下载文章内容， 获取每篇文章的url地址即可， 想要获取每篇文章的url地址，这就需要去文章的列表页面找寻相关的数据内容了。
-
发送请求，对于文章列表url地址发送请求
-
获取数据，获取网页源代码数据内容
-
解析数据，提取文章url地址
-
发送请求，对于文章url地址发送请求
-
获取数据，获取网页源代码数据内容
-
解析数据，提取文章标题以及文章内容
-
保存数据，把获取的数据内容保存成PDF
-
转成PDF文件
import requests
import parsel
import re
import os
import pdfkit
html_filename = ‘html\’
if not os.path.exists(html_filename):
os.mkdir(html_filename)
pdf_filename = ‘pdf\’
if not os.path.exists(pdf_filename):
os.mkdir(pdf_filename)
html_str = “”"
<!doctype html>
{article}
“”"
def change_title(name):
pattern = re.compile(r"[/\😗?“<>|]”) # ‘/ \ : * ? " < > |’
new_title = re.sub(pattern, “_”, name) # 替换为下划线
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）
nimg.cn/img_convert/9f49b566129f47b8a67243c1008edf79.png)
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）
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
