m0_49799466的博客

原创 使用selenium自动化爬取腾讯研究院报告

使用selenium自动化爬取腾讯研究院报告 需要用到的库：docx（需要pip install python-docx，不然有些函数无法使用）、re、requests、lxml、selenium、time、os等 项目实现难点： 1、报告标题存在非法字符无法保存，需使用re库中的replace函数进行替换； 2、报告需要存储图片，较为容易的txt写入方法无法满足需求，引入docx库进行存储； 3、在docx中只能添加本地已有图片，因此需要解析图片地址并提前存储图片，做if判断； 4、第一页标签中的next