jie1521836的博客

思路分析Python有很多的第三方库，可以帮助我们实现各种各样的功能。问题在于，我们弄清楚我们需要什么：1）http请求库，根据网站地址可以获取网页源代码。甚至可以下载图片写入磁盘。2）解析网页源代码，识别图片连接地址。比如正则表达式，或者简易的第三方库。3）支持构建多线程或线程池。4）如果可能，需要伪造成浏览器，或绕过网站校验。（嗯，网站有可能会防着爬虫 ;-)）5）如果...

把pdf转换成文本的Python源代码下面的python源代码，读取pdf文件内容(互联网上的或是本地的)，转换成文本，打印出来。这段代码主要用了一个第三方库PDFMiner3K把PDF读成字符串，然后用StringIO转换成文件对象。（源代码下载地址参看文章末尾的GitHub源）from urllib.request import urlopenfrom pdfminer.pdfint...