标签：loading 中文 原因 补全 war html 内容 receive object
使用wkpdftohtml将爬取到的网页生成PDF时，使用示例代码
import requests from bs4 import BeautifulSoup import pdfkit url = ‘http://www.liaoxuefeng.com/wiki/‘ ‘001434446689867b27157e896e74d51a89c25cc8b43bdb3000‘ response = requests.get(url) bsObj = BeautifulSoup(response.content, ‘xml‘) body = bsObj.findAll(class_=‘x-wiki-content‘) html = str(body) html = html.encode(‘utf-8‘) fp = open(‘test.html‘, ‘wb‘) fp.write(html) fp.close() fp = open(‘test.pdf‘, ‘wb‘) fp.close() pdfkit.from_file(‘test.html‘, ‘test.pdf‘)
出现警告
Warning: A finished ResourceObject received a loading progress signal. This might be an indication of an iframe taking too long to load
并且没有得到预想中的PDF文件。（代码块访问的是廖雪峰的js教程网站）
将beautifulsoup中的解析器换成"lxml"或“html.parser则能够生成预期的PDF文件
阅读BeautifulSoup的文档
原因是xml的解析方式将网页中的hr标签补全并使其并入前一个div标签，所以html文件中出现了大量的其他内容？致使生成失败？（目前没学html，所以不是很了解，如有其他好的见解望指正）
解决办法是将解析器换成‘lxml’，或者‘html.parser’，‘html5lib‘
不过生成的test.PDF不是中文，而我爬取的整个教程是中文，暂时推测是因为测试的内容太少，BeautifulSoup自动检测的时候识别错误，详细请看
未完待续
标签：loading 中文 原因 补全 war html 内容 receive object
原文地址：http://www.cnblogs.com/ZackBee/p/6659849.html
