这篇教程python实现csdn全部博文下载并转PDF写得很实用，希望能帮到您。
我们学习编程，在学习的时候，会有想把有用的知识点保存下来，我们可以把知识点的内容爬下来转变成pdf格式，方便我们拿手机可以闲时翻看，是很方便的 先来一个单个的博文下载转pdf格式的操作 
python中将html转化为pdf的常用工具是Wkhtmltopdf工具包，在python环境下，pdfkit是这个工具包的封装类。如何使用pdfkit以及如何配置呢？分如下几个步骤。
下载wkhtmltopdf安装包，并且安装到电脑上。
下载地址：https://wkhtmltopdf.org/downloads.html
我下的是这个版本，安装的时候要记住路径，之后调用要用到路径
开发工具 - python
- pycharm
- pdfkit （pip install pdfkit）
- lxml
今天目标：博主的全部博文下载，并且转pdf格式保存 基本思路：
1、url + headers
2、分析网页： CSDN网页是静态网页， 请求获取网页源代码
3、lxml解析获取boke_urls, author_name
4、循环遍历，得到 boke_url
5、xpath解析获取文件名
6、css选择器获取标签文本的主体
7、构造拼接html文件
8、保存html文件
9、文件的转换 分析网页： CSDN网页是静态网页， 请求获取网页源代码
start_url =“https://i1bit.blog.csdn.net/” 为例
确定网址为同步加载
css选择器获取标签文本的主体为代码要点部分
css语法部分 # css选择器获取标签文本的主体 html_css = parsel.Selector(response_2) html_content = html_css.css('article').get()# 构造拼接html文件 html = / ''' <!DOCTYPE html> <html lang="en"> <head> <meta charset="UTF-8"> <title>Title</title> </head> <body> {} </body> </html> '''.format(html_content)点开博主的一篇博文打开开发者工具
# css选择器获取标签文本的主体 html_css = parsel.Selector(response_2) html_content = html_css.css('article').get()# 构造拼接html文件 html = / ''' <!DOCTYPE html> <html lang="en"> <head> <meta charset="UTF-8"> <title>Title</title> </head> <body> {} </body> </html> '''.format(html_content)文件的转换 config = pdfkit.configuration(wkhtmltopdf=r'这里为下载wkhtmltopdf.exe的路径') pdfkit.from_file( 第一个参数要转变的html文件, 第二个参数转变后的pdf文件, configuration=config ) # 上面这样写清楚一点，也可以直接 pdfkit.from_file( 第一个参数要转变的html文件, 第二个参数转变后的pdf文件, configuration=pdfkit.configuration(wkhtmltopdf=r'这里为下载wkhtmltopdf.exe的路径') ) 源码展示： import parsel, os, pdfkitfrom lxml import etreefrom requests_html import HTMLSessionsession = HTMLSession()def main(): # 1、url + headers start_url = input(r'请输入csdn博主的地址：') headers = { 'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 ' '(KHTML, like Gecko) Chrome/84.0.4147.105 Safari/537.36' } # 2、分析网页： CSDN网页是静态网页， 请求获取网页源代码 response_1 = session.get(start_url, headers=headers).text # 3、解析获取boke_urls, author_name html_xpath_1 = etree.HTML(response_1) author_name = html_xpath_1.xpath(r'//*[@id="floor-user-profile_485"]/div/div[1]/div[2]/div[2]/div[1]/div[1]/text()')[0] boke_urls = html_xpath_1.xpath(r'//article[@class="blog-list-box"]/a/@href') # 4、循环遍历，得到 boke_url for boke_url in boke_urls: # 5、请求 response_2 = session.get(boke_url, headers=headers).text # 6、xpath解析获取文件名 html_xpath_2 = etree.HTML(response_2) file_name = html_xpath_2.xpath(r'//h1[@id="articleContentId"]/text()')[0] # 7、css选择器获取标签文本的主体 html_css = parsel.Selector(response_2) html_content = html_css.css('article').get() # 8、构造拼接html文件 html = / ''' <!DOCTYPE html> <html lang="en"> <head> <meta charset="UTF-8"> <title>Title</title> </head> <body> {} </body> </html> '''.format(html_content) # 9、创建两个文件夹， 一个用来保存html 一个用来保存pdf文件 if not os.path.exists(r'{}-html'.format(author_name)): os.mkdir(r'{}-html'.format(author_name)) if not os.path.exists(r'{}-pdf'.format(author_name)): os.mkdir(r'{}-pdf'.format(author_name)) # 10、保存html文件 try: with open(r'{}-html/{}.html'.format(author_name, file_name), 'w', encoding='utf-8') as f: f.write(html) except Exception as e: print('文件名错误') # 11、文件的转换 try: config = pdfkit.configuration(wkhtmltopdf=r'C:/Program Files/wkhtmltopdf/bin/wkhtmltopdf.exe') pdfkit.from_file( '{}-html/{}.html'.format(author_name, file_name), '{}-pdf/{}.pdf'.format(author_name, file_name), configuration=config ) a = print(r'--文件下载成功：{}.pdf'.format(file_name)) except Exception as e: continueif __name__ == '__main__': main()代码操作： 
到此这篇关于python实现csdn全部博文下载并转PDF的文章就介绍到这了,更多相关python 博文下载并转PDF内容请搜索51zixue.net以前的文章或继续浏览下面的相关文章希望大家以后多多支持51zixue.net！
Pandas实现Dataframe的合并
Python异常处理中容易犯得错误总结 |
