工具准备
安装 wkhtmltopdf
在 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
第三方安装
pip install requests
pip install beautifulsoup4
pip install pdfkit
pip install wkhtmltopdf
实现分析
获取html
首先分析界面URL
第一页： 第二页： 第三页：
...
第一百页： 由此可以得出URL的规律
url = '' + str(i) + '.html' 其中i为1到一百的整数
分析页面的html获取爬取的内容
- 我们要获取到class =article-body，节点下的所有元素
- 爬取的python示例中编码里面都含有样式，为了按原来的格式展示这里还需要使用一个html模板
代码实现
def get_learn_py_content(): """ 解析URL，获取需要的html内容 :return: htmls """ htmls = [] # 渲染的html模板 html_template = """ {content} """ for i in range(1,101): base_url = 'http://www.runoob.com/python/python-exercise-example' + str(i) + '.html' response = requests.get(base_url) soup = BeautifulSoup(response.content, 'html.parser') # 获取文档内容 content = soup.find(class_='article-body') # 去除图片 while soup.img: soup.img.decompose() html = html_template.format(content=content) html = html.encode("UTF-8") html_name = str(i)+".html" with open(html_name, 'wb') as f: f.write(html) htmls.append(html_name) return htmls 将HTML转换成PDF
将Html转换成PDF这里使用的是第三方的包pdfkit,直接将生成的HTML直接传入进来，在传入一个即将要用的PDF的文件名，就完成了
def save_pdf(htmls,name): """ 把所有html文件转换成pdf文件 """ # views视图中可以加上options进行页面布局调试 options = { 'page-size': 'Letter', 'encoding': "UTF-8", 'custom-header': [ ('Accept-Encoding', 'gzip') ] } pdfkit.from_file(htmls, name, options=options)