为了学爬虫，我用三步爬取了大佬崔庆才爬虫相关文章，并保持为pdf学习

本文链接：https://blog.csdn.net/Asher117/article/details/109956846

为了学习网络爬虫，我爬取了网络爬虫届大佬崔庆才的所有Python博客，并转换成了pdf，以便后续学习。

1.代码思路

获取所有博客的URL
获得每篇博客的html内容，并转化为pdf文件
合并pdf文件

2.获取所有博客URL

首先，通过崔老师的博客网站可知，目前Python博客内容包含7页，如下图
在这里插入图片描述
通过这些博客分类页面，很方面就能获得每篇博客的网址，代码如下：

#获取所有URL
def get_url():
    url_list = []
    for i in range(7,0,-1):
        if(i==1):
            url = "https://cuiqingcai.com/categories/Python"
        else:
            url = "https://cuiqingcai.com/categories/Python/page/{number}/".format(number=str(i))
        driver.get(url)
        time.sleep(5)
        soup = BeautifulSoup(driver.page_source,'lxml')
        soup = soup.find('div',class_='posts-collapse').find_all('article')
        for a in soup[::-1]:
            url_list.append('https://cuiqingcai.com' + a.find('a',class_='post-title-link')['href'])
    return url_list

3.将每篇博客内容保存为PDF

在将博客内容保存为pdf的过程中，主要使用Python的pdfkit扩展包，pdfkit扩展包能够非常方便的将网页内容或者HTML以及字符串等保存为pdf文件。
pdfkit直接使用pip install pdfkit语句安装即可。
pdfkit扩展包的使用是基于wkhtmltopdf应用程序的，因此在此之前需要先下载安装wkhtmltopdf，安装完成之后需要将其添加的环境变量中，或者在使用pdfkit时以参数的形式指明该程序的路径。
wkhtmltopdf稳定版下载地址：https://wkhtmltopdf.org/downloads.html
将博客内容保存为pdf的具体代码如下：

def html_to_pdf(url_list,html_template,options,config):
    for artical_url in url_list:
        driver.get(