Python爬取比比网中标标书并保存成PDF格式

Z时代
2024-01-10
分类：综合

Python爬取比比网中标标书并保存成PDF格式[Python基础]

前言

本文的文字及图片来源于网络,仅供学习、交流使用,不具有任何商业用途,如有问题请及时联系我们以作处理。

PS：如有需要Python学习资料的小伙伴可以加点击下方链接自行获取

python免费学习资料以及群交流解答点击即可加入

python开发环境

python 3.6

pycharm

import requests
import parsel
import pdfkit
import time

目标网页分析

在这里插入图片描述

1、先从列表页中获取详情页的URL地址

是静态网站，可以直接请求网页获取数据
在这里插入图片描述

for page in range(1, 31):
    url = "https://www.bibenet.com/mfzbu{}.html".format(page)
    headers = {
        "Referer": "https://www.bibenet.com/mianfei/",
        "User-Agent": "Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/81.0.4044.138 Safari/537.36"
    }
    response = requests.get(url=url, headers=headers)
    selector = parsel.Selector(response.text)
    urls = selector.css("body > div.wrap > div.clearFiex > div.col9.fl > div.secondary_box > table tr .fl a::attr(href)").getall()
    for page_url in urls:
    print(page_url)

2、从详情页中获取标题以及内容

response_2 = requests.get(url=page_url, headers=headers)
selector_2 = parsel.Selector(response_2.text)
article = selector_2.css(".container").get()
title = selector_2.css(".detailtitle::text").get()

3、保存html网页数据并转成PDF

html_str = """
<!doctype html>
<html lang="en">
<head>
    <meta charset="UTF-8">
    <title>Document</title>
</head>
<body>
{article}
</body>
</html>
"""
def download(article, title):
    html = html_str.format(article=article)
    html_path = "D:pythondemo招标网文书" + title + ".html"
    pdf_path = "D:pythondemo招标网文书" + title + ".pdf"
    with open(html_path, mode="wb", encoding="utf-8") as f:
        f.write(html)
        print("{}已下载完成".format(title))
    # exe 文件存放的路径
    config = pdfkit.configuration(wkhtmltopdf="C:Program Fileswkhtmltopdfinwkhtmltopdf.exe")
    # 把 html 通过 pdfkit 变成 pdf 文件
    pdfkit.from_file(html_path, pdf_path, configuration=config)