自己动手写优快云博客提取器,提取文件保存支持PDF、doc、txt三种格式

转载自:http://blog.youkuaiyun.com/w397090770/article/details/7760907

下载地址http://download.youkuaiyun.com/detail/w397090770/4438566(不需要积分)

下面有网友说爬取到的博文没有任何博主的信息,今天我更新了一下代码, 在每一篇爬取到的博文中添加了作者博客名字以及这篇博文的地址,详细见下图。

用了好久的优快云博客,发现里面有很多的很不错的文章,但是一篇一篇的复制、粘贴总觉得很麻烦,于是,花了1天半的时间做了一个优快云博客提取器,可以爬取优快云博客指定用户所有的文章列表,可以选择相关的文章进行下载,下载保存支持PDF、doc、txt三种格式。保存的pdf、doc文件支持图片,txt文件是纯文本格式的文件。软件运行的时候需要jdk1.5或者以上环境。


    本程序用java编写,运行的时候需要JDK1.5或以上环境,无需安装。程序通过分析优快云博
客源码来生成一些必要的数据,可能在以后使用当中出现爬取不了的情况,可能是优快云的源码
结构修改了。程序只是用于学习之用,严禁用于非法目的而照成优快云服务器过载。
    由于生成PDF的时候需要依赖字库,所以在打包程序的时候把一些必要的字库已经放到程序中
去了。可能在生成一些PDF文件的时候出现乱码问题,那是因为里面缺少需要的字库,如遇到这
个问题,请和本人联系:wyphao.2007@163com


fonts文件夹是生成pdf文件依赖的字体库,如果生成的pdf文件是乱码,说明缺少相关的字体。


####################################################
程序功能:
    1、支持输入优快云博客用户名针对性下载
    2、支持选择保存下载的文件
                保存的结构目录为:
                        选择的保存路径\优快云用户名\img                 该用户的头像保存路径
                        选择的保存路径\优快云用户名\pdf                  生成的PDF文件保存路径
                        选择的保存路径\优快云用户名\doc                  生成的DOC文件保存路径
                        选择的保存路径\优快云用户名\txt                   生成的TXT文件保存路径
    3、支持获取用户博客信息
    4、支持显示用户所有的帖子列表
    5、可以自己选择需要下载的帖子,有全选、反选、重置按钮
    6、支持下载的文件保存为 pdf、doc、txt三种格式
    7、生成的pdf、doc文件支持图片
    8、支持进度显示
    
####################################################
    
    制作时间:2012年07月17日 - 2012年07月18日
    制     作:w397090770
    个人博客:http://blog.youkuaiyun.com/w397090770
    Email   :wyphao.2007@163.com
    版权所有,翻版不究
####################################################

 

已经贴出了本程序的一部分源代码(其他的我会慢慢添加)

自己动手写优快云博客提取器源码分析之一:处理网页保存为txt文件http://blog.youkuaiyun.com/w397090770/article/details/7767531

自己动手写优快云博客提取器源码分析之二:处理网页保存为doc文件http://blog.youkuaiyun.com/w397090770/article/details/7768089

自己动手写优快云博客提取器源码分析之三:处理网页保存为pdf文件http://blog.youkuaiyun.com/w397090770/article/details/7768129

 


 


下面是我爬取这篇文章的结果

文本的肯定没图片哇。嘿嘿

本程序用java编,运行的时候需要JDK1.5或以上环境,无需安装。程序通过分析优快云博客源码来生成一些必要的数据,可能在以后使用当中出现爬取不了的情况,可能是优快云的源码结构修改了。程序只是用于学习之用,严禁用于非法目的而照成优快云服务器过载。 由于生成PDF的时候需要依赖字库,所以在打包程序的时候把一些必要的字库已经放到程序中去了。可能在生成一些PDF文件的时候出现乱码问题,那是因为里面缺少需要的字库,如遇到这个问题,请和本人联系wyphao.2007@163com #################################################### 程序功能: 1、支持输入优快云博客用户名针对性下载 2、支持选择保存下载的文件 保存的结构目录为: 选择的保存路径\优快云用户名\img 该用户的头像保存路径 选择的保存路径\优快云用户名\pdf 生成的PDF文件保存路径 选择的保存路径\优快云用户名\doc 生成的DOC文件保存路径 选择的保存路径\优快云用户名\txt 生成的TXT文件保存路径 3、支持获取用户博客信息 4、支持显示用户所有的帖子列表 5、可以自己选择需要下载的帖子,有全选、反选、重置按钮 6、支持下载的文件保存pdfdoctxt三种格式 7、生成的pdfdoc文件支持图片 8、支持进度显示 #################################################### 制作时间:2012年07月17日 - 2012年07月18日 制 作:w397090770 个人博客:http://blog.csdn.net/w397090770 Email :wyphao.2007@163.com 版权所有,翻版不究 ####################################################
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值