上期提到了如何獲取公眾號(hào)文章信息，這回就說(shuō)下怎么將網(wǎng)頁(yè)轉(zhuǎn)為PDF，方便日常學(xué)習(xí)。html

而后擴(kuò)散一下以前一個(gè)比賽的結(jié)果(華章計(jì)算機(jī)抖音大賽)。數(shù)據(jù)庫(kù)

順便談?wù)劚旧韺?duì)從此送書的一個(gè)想法。微信

另外以前的送書活動(dòng)，有中獎(jiǎng)的讀者沒(méi)有聯(lián)系我，因此這回一并送出。app

明天還會(huì)送兩本書，你們也能夠關(guān)注一下。ide

/ 01 / HTML轉(zhuǎn)PDF學(xué)習(xí)

主要用到的庫(kù)有pdfkit及wkhtmltopdf。url

安裝我就不說(shuō)了，網(wǎng)上也是一堆教程，經(jīng)過(guò)下面的代碼也能略知一二。spa

須要注意的點(diǎn)就是，把網(wǎng)頁(yè)轉(zhuǎn)PDF的時(shí)候，須要將網(wǎng)頁(yè)的圖片下載下來(lái)，保存在本地。orm

而后生成網(wǎng)頁(yè)時(shí)調(diào)用本地的圖片，這樣就不會(huì)出如今PDF中圖片缺失的狀況。htm

本次沒(méi)有去設(shè)置詳細(xì)的PDF參數(shù)，因此生成的PDF排版并非很友好，不過(guò)仍是能湊合看的。

具體轉(zhuǎn)換代碼以下。

import?pandas?as?pd

import?requests

import?pdfkit

import?os

import?re

#?讀取數(shù)據(jù)并清洗

df?=?pd.read_csv('article.csv',?header=None,?names=['title',?'digest',?'article_url',?'date'],?encoding='gbk')

df['date']?=?pd.to_datetime(df.date.values,?unit='s',?utc=True).tz_convert('Asia/Shanghai')

df_date?=?df['date'].astype(str).str.split('?',?expand=True)

df['day']?=?df_date[0]

#?獲取目錄的絕對(duì)路徑

fileDir?=?os.path.abspath(os.path.dirname('F:\\article_pdf'))

headers?=?{

"User-Agent":?"Mozilla/5.0?(Windows?NT?6.1;?WOW64)?AppleWebKit/537.36?(KHTML,?like?Gecko)?Chrome/39.0.2171.95?Safari/537.36?MicroMessenger/6.5.2.501?NetType/WIFI?WindowsWechat?QBCore/3.43.901.400?QQBrowser/9.0.2524.400",

}

proxies?=?{

"https":?None,

"http":?None,

}

#?設(shè)置轉(zhuǎn)PDF參數(shù)

options?=?{

"page-size":?"Letter",

"encoding":?"UTF-8",

"custom-header":?[

("Accept-Encoding",?"gzip")

]

}

#?調(diào)用wkhtmltopdf

#?confg?=?pdfkit.configuration(wkhtmltopdf=r"C:\Users\Administrator\wkhtmltox-0.12.5-1.mxe-cross-win64\wkhtmltox\bin\wkhtmltopdf.exe")

for?title,?url,?date?in?zip(df['title'],?df['article_url'],?df['day']):

print(title,?url,?date)

#?替換特殊符號(hào)

title?=?re.sub('[\/:：*?"<>|]',?'',?title)

title?=?title.replace('\\',?'_')

#?html文件名

html_name?=?'{}/{}.html'.format('F:\\article_pdf',?date?+?'_'?+?title)

res?=?requests.get(url,?headers=headers,?proxies=proxies,?timeout=3)

html?=?res.text

#?用?來(lái)控制正則貪婪和非貪婪匹配;(.*?)?小括號(hào)來(lái)控制是否包含匹配的關(guān)鍵字

pattern?=?re.compile(r'data-src=\"http.*?\"')

result?=?pattern.findall(html)

picCnt?=?0

for?i?in?result:

picCnt?=?picCnt?+?1

url?=?re.findall(r'\"(.*?)\"',?i)[0]

#?圖片名

picture_name?=?'{}/{}.png'.format('F:\\article_pdf',?str(picCnt))

#?調(diào)用本地圖片

html?=?html.replace(url,?picture_name)

#?獲取圖片內(nèi)容

r?=?requests.get(url)

with?open(picture_name,?"wb+")?as?f:

f.write(r.content)

#?保存html文件

html?=?html.replace('data-src',?'src')

fd?=?open(html_name,?'w',?encoding="utf-8")

fd.write(html)

fd.close()

pdf_name?=?'{}/{}.pdf'.format('F:\\article_pdf',?date?+?'_'?+?title)

try:

#?html轉(zhuǎn)pdf

pdfkit.from_file(html_name,?pdf_name,?options=options)

except:

pass

最后成功生成全部文章的PDF。

這里不知是為什么，生成PDF的時(shí)間挺長(zhǎng)的，平均一個(gè)PDF耗時(shí)三分鐘。

/ 02 / 比賽結(jié)果

以前公眾號(hào)對(duì)華章計(jì)算機(jī)抖音大賽進(jìn)行了推廣，在上個(gè)禮拜比賽的結(jié)果也出來(lái)了。

這里幫出版社擴(kuò)散一下比賽結(jié)果。

華章計(jì)算機(jī)抖音大賽比賽結(jié)果

固然我也參加了，并且也獲獎(jiǎng)了，不過(guò)是參與獎(jiǎng)，四本書。

活動(dòng)參與的人并很少，一共應(yīng)該就只有8我的參賽。

講道理，900元現(xiàn)金以及30本書，這么豐厚的獎(jiǎng)品，活動(dòng)卻沒(méi)多少人參加，這值得沉思。

固然還會(huì)有第二屆，屆時(shí)我還會(huì)幫忙宣傳，這回沒(méi)有參加的小伙伴，下回必定要抓住機(jī)會(huì)。

為何我會(huì)繼續(xù)支持呢？這應(yīng)該源于我以前參加的一個(gè)PPT比賽。

至今，我還留存著參與活動(dòng)后的那本贈(zèng)書。

書很不錯(cuò)，我也從中學(xué)到了很多東西。

固然最重要的是動(dòng)手就有收獲的道理。

種一棵樹最好的時(shí)間是十年前，其次是如今。因此行動(dòng)起來(lái)，絕對(duì)沒(méi)錯(cuò)。

從此的送書活動(dòng)，若是條件容許的話，也將會(huì)以一些小比賽的形式送出，敬請(qǐng)期待。

/ 03 /? 送書

下面應(yīng)該是上個(gè)禮拜的截圖了，姑且就以此做為參照。

以上的讀者，若是對(duì)下面這本書有興趣的話。

能夠微信聯(lián)系我，先到先得，就一本。

微信聯(lián)系方式能夠在公眾號(hào)菜單欄里找到。

一本有關(guān)Oracle數(shù)據(jù)庫(kù)的書。

明天送的兩本是有關(guān)Python數(shù)據(jù)分析的書，能夠關(guān)注一下。

/ 04 / 總結(jié)

兩期的文章代碼已上傳「GitHub」。

點(diǎn)擊左下角閱讀原文，便可獲取。

萬(wàn)水千山老是情，點(diǎn)個(gè)「在看」行不行。

總結(jié)

以上是生活随笔為你收集整理的python将html存为pdf_用Python将HTML转为PDF。的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。