Python教程 - 之爬虫爬取在线教程转成pdf

Python教程 - 之爬虫爬取在线教程转成pdf

 

作为一名程序员，经常要搜一些教程，有的教程是在线的，不提供离线版本，这就有些局限了。那么同样作为一名程序员，遇到问题就应该解决它，今天就来将在线教程保存为PDF以供查阅。

1、网站介绍

2、准备工作

    2.1 软件安装

    2.2 库安装

3、爬取内容

    3.1 获取教程名称

    3.2 获取目录及对应网址

    3.3 获取章节内容

    3.4 保存pdf

    3.5 合并pdf

1、网站介绍

之前再搜资料的时候经常会跳转到如下图所示的在线教程：

01.教程样式

包括一些github的项目也纷纷将教程链接指向这个网站。经过一番查找，该网站是一个可以创建、托管和浏览文档的网站，其网址为：https://readthedocs.org 。在上面可以找到很多优质的资源。

该网站虽然提供了下载功能，但是有些教程并没有提供PDF格式文件的下载，如图：

02.下载

该教程只提供了 HTML格式文件的下载，还是不太方便查阅，那就让我们动手将其转成PDF吧！

2、准备工作

2.1 软件安装

由于我们是要把html转为pdf，所以需要手动wkhtmltopdf 。Windows平台直接在 http://wkhtmltopdf.org/downloads.html 下载稳定版的 wkhtmltopdf 进行安装，安装完成之后把该程序的执行路径加入到系统环境 $PATH 变量中，否则 pdfkit 找不到 wkhtmltopdf 就出现错误 “No wkhtmltopdf executable found”。Ubuntu 和 CentOS 可以直接用命令行进行安装

$ sudo apt-get install wkhtmltopdf  # ubuntu
$ sudo yum intsall wkhtmltopdf      # centos

2.2 库安装

• pip install requests        # 用于网络请求

• pip install beautifulsoup4   # 用于操作html

• pip install pdfkit  # wkhtmltopdf 的Python封装包

• pip install PyPDF2    # 用于合并pdf

3、爬取内容

本文的目标网址为：http://python3-cookbook.readthedocs.io/zh_CN/