码迷,mamicode.com
首页 > 编程语言 > 详细

利用Python爬取在线教程!并把它转为PDF,方便学习!

时间:2018-05-19 18:25:55      阅读:231      评论:0      收藏:0      [点我收藏+]

标签:alt   比较   install   图片   code   html   理念   3.4   python   

技术分享图片

技术分享图片

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:

技术分享图片

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:

技术分享图片

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!

技术分享图片

$ sudo apt-get install wkhtmltopdf # ubuntu

$ sudo yum intsall wkhtmltopdf # centos

技术分享图片

技术分享图片

技术分享图片

技术分享图片

技术分享图片

技术分享图片

技术分享图片

技术分享图片

技术分享图片

3.3 获取章节内容

还是同样的方法定位章节内容:

技术分享图片

技术分享图片

技术分享图片

3.4 保存pdf

技术分享图片

3.5 合并pdf

经过上一步,所有章节的pdf都保存下来了,最后我们希望留一个pdf,就需要合并所有pdf并删除单个章节pdf。

技术分享图片

本来PyPDF2库中有一个类PdfFileMerger专门用来合并pdf,但是在合并过程中会抛出异常,网上有人也遇到同样的问题,解决办法是修改库源码,本着“不动库源码”的理念,毅然选择了上面这种比较笨的办法,代码还是比较好理解的。

经过以上几个步骤,我们想要的pdf文件已经生成,一起来欣赏一下劳动成果:

技术分享图片

06.保存成果

欢迎大家关注我的博客:https://home.cnblogs.com/u/sm123456/ 答疑互动交流尽在博客园

欢迎大家加入千人交流答疑群:125240963

利用Python爬取在线教程!并把它转为PDF,方便学习!

标签:alt   比较   install   图片   code   html   理念   3.4   python   

原文地址:https://www.cnblogs.com/sm123456/p/9060732.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!