抽取python 标准库页面生成 mob

发布时间：2019-07-23 09:45:28编辑：auto阅读（2506）

    前段时间买了个 kindle ，所以就不想老是开电脑 看 书了。而在学习python 时，看到python 主要的还是熟悉一些库的功能。
    所以就想着把标准库给捉下来看。

    python 标准库：https://docs.python.org/2/library/

    下面是一段用来练手的 python 捉取html 内容的代码：


        import urllib2
    import os
    import re



    #打开并保存hmtl
    def save_html(urlname):
      main_url=r'https://docs.python.org/2/library/'
      main_dir=r'E:BOOKpythonpython_library'
      
      url=main_url+urlname+'.html'
      file_name=main_dir+'\' +urlname+'.html'
      try:   
        req=urllib2.urlopen(url)
       
        urlfile=open(file_name,'w')
        urlfile.write(req.read())
      except:
        print url
       
      finally:
        urlfile.close()
       
      

    #保存主页
    save_html('index')


    #正则表达式查找链接并保存对应文件
    req=urllib2.urlopen(r'https://docs.python.org/2/library/index.html')
    p=re.compile(r'''<li class="toctree-.+?"><a class="reference internal" href="(.+?).html">.+?</a></li>''')
    matchs=p.findall(req.read())


    for row in matchs:
      save_html(row)


    捉完后，使用了 [ calibre - E-book management ] 把html 转换成mobi 格式的文件。


    mobi 下载链接：

    http://f.dataguru.cn/forum.php?mod=attachment&aid=MTQ5OTQzfDc1Y2MyMDk5fDE0MDgxNzEzNTB8NDQxMTd8MzM3NjMy

关键字：

上一篇： Python if 和 for 的多种写

下一篇： python uuid库的使用