标书导出html,Python爬取比比网中标标书并保存成PDF格式

Python爬取比比网中标标书并保存成PDF格式

原创

mb5fed4c003aebe2020-12-31 22:04:16©著作权

文章标签

JAVA

阅读数

102

©著作权归作者所有：来自51CTO博客作者mb5fed4c003aebe的原创作品，如需转载，请注明出处，否则将追究法律责任

https://blog.51cto.com/u_15072811/2579332

### 前言

本文的文字及图片来源于网络,仅供学习、交流使用,不具有任何商业用途,如有问题请及时联系我们以作处理。

### python开发环境

* python 3.6

* pycharm

* requests

* parsel

* pdfkit

* time

* 相关模块pip安装即可

### 目标网页分析


### 1、先从列表页中获取详情页的URL地址

是静态网站，可以直接请求网页获取数据


```

for page in range(1, 31):

url = 'https://www.bibenet.com/mfzbu{}.html'.format(page)

headers = {

'Referer': 'https://www.bibenet.com/mianfei/',

'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/81.0.4044.138 Safari/537.36'

}

response = requests.get(url=url, headers=headers)

selector = parsel.Selector(response.text)

urls = selector.css('body > div.wrap > div.clearFiex > div.col9.fl > div.secondary_box > table tr .fl a::attr(href)').getall()

for page_url in urls:

print(page_url)

```

### 2、从详情页中获取标题以及内容

```

#Python学习交流QQ群：778463939

response_2 = requests.get(url=page_url, headers=headers)

selector_2 = parsel.Selector(response_2.text)

article = selector_2.css('.container').get()

title = selector_2.css('.detailtitle::text').get()

```

### 3、保存html网页数据并转成PDF

```

html_str = """

Document

{article}

"""

def download(article, title):

html = html_str.format(article=article)

html_path = 'D:\\python\\demo\\招标网\\文书\\' + title + '.html'

pdf_path = 'D:\\python\\demo\\招标网\\文书\\' + title + '.pdf'

with open(html_path, mode='wb', 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

pdfkit.from_file(html_path, pdf_path, configuration=config)

```

### 运行实现效果




赞

收藏

评论