抽取python 标准库页面生成 mob

py3study

发布于 2020-01-13 11:37:22

4240

发布于 2020-01-13 11:37:22

文章被收录于专栏：python3

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

本文参与腾讯云自媒体同步曝光计划，分享自作者个人站点/博客。

原始发表：2019/07/23 ，如有侵权请联系 cloudcommunity@tencent.com 删除

python