python中文下载安装教程,python documentation中文版

本文链接：https://blog.youkuaiyun.com/chatgpt002/article/details/135244663

本文介绍了如何使用Python和相关库（如BeautifulSoup和PDFKit）抓取TensorFlow官方文档的中文页面，并将其转换为PDF格式。方法包括获取网页内容、处理图片和下载链接，适用于学习者进行技术资料整理。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

大家好，小编来为大家解答以下问题，python中文下载安装教程，python documentation中文版，今天让我们一起来看看吧！

Source code download: 本文相关源码

Note:
如果涉及侵权等问题，求留言通知

Requirements:

beautifulsoup4
requests
pdfkit (wkhtmltopdf官网下载,windows添加路径到环境变量,Linux下载安装也需要设置环境变量)

参考网页：

代码中的“自己的class"需要自己去替换, 也可留言交流。

# coding=utf-8
import pdfkit
import requests
from bs4 import BeautifulSoup
import os,re
from urllib.parse import urljoin

#获取网页所有的标题以及对应的地址
def parse_url_to_html(url,name):

    heads = {'accept-language': 'zh-CN,zh;q=0.9',     #以中文的形式访问
        'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/71.0.3578.98 Safari/537.36'}
    response=requests.get(url,headers = heads)
    print(response.status_code) # 测试是否能链接到目标网站

    soup=BeautifulSoup(response.content,"html.parser")

    mainpages = []
    maintitles= []

    tag_main  = soup.find_all(class_ = "devsite-section-nav devsite-nav nocontent")[0]#获取第一个class 为"devsite-section-nav devsite-nav nocontent"的标签，这个里面包含了网址和标题
    
    #www.tensorflow.org 中的标题访问
    for i in tag_main.find_all(class_ = "devsite-nav-item devsite-nav-item-section-expandable devsite-nav-accordion"): #按照需要进行选择
        
        if i == None:

            continue

        else:

            mainpages.append(i.span.get('href')) #获取1级标题 注意html中#为一部分，如果出现www.abc.html/#id, 需要访问前面的主网址即可
            maintitles.append(i.span.get_text())

            # 从Li的标签中获取2级标题
            for j in i.find_all('li'):           
                mainpages.append(j.a.get('href'))
                maintitles.append(j.a.get_text())
    
    #将tag以文本的形式写入到目标文件中
    htmls = "<html><head><meta charset='UTF-8'></head><body>"+str(tag_main)
    with open(name+".html",'w',encoding='utf-8') as f:
        f.write(htmls)
    return mainpages, maintitles

def downlaodImage(url):
    
    heads = {'accept-language': 'zh-CN,zh;q=0.9',
        'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/71.0.3578.98 Safari/537.36'}
    response=requests.get(url,headers = heads)

    soup=BeautifulSoup(response.content,"html.parser")

    tag=soup.find_all(class_='自己查询正文对应的class') # www.tensorflow.org 中的文本访问
    
    if tag == []:  # github中的*.md(markdown)文件访问
        tag=soup.find_all(class_='自己查询正文对应的class') 
    if tag == []:
        tag=soup.find_all(class_='自己查询正文对应的class') # github中的.ipynb(jupynote notebook) 文件访问
         
    flag = False
    #为image添加相对路径，并下载图片
    for img in tag[0].find_all('img'):
        if img == []:
            continue
        flag = True
        
        # 图片访问，注意urljoin的用法
        im = requests.get(urljoin(url, img.get('src')))

        filename = os.path.split(img['src'])[1] #从最后一个/分割成两部分

        if '?' in filename:  #
            filename = filename.split('?')[0]

        # 将图片写入image文件夹中
        with open('image/' + filename, 'wb') as f:
            f.write(im.content)

        # 更改html文件中的图片源
        img['src']='image/'+filename

    return flag, response, soup, tag

#获取正文，并写入html
def get_htmls(url, mainpages,maintitles, name):
    
    istart = 0 #方便从不同的标题测试
    for i in range(istart,len(mainpages), 1): #len(allpages)):
       
        urll = mainpages[i] 
        
        if urll == None:
            h = "<div><h1>"+maintitles[i]+"</h1></div>" #大标题为一级

            htmls = ''
            htmls= h + htmls #str(tag[0])
            with open(name+".html",'a',encoding='utf-8') as f:
                    f.write(htmls)
            
            continue
            
        flag, response, soup, tag = downlaodImage(urll) #下载图片
        
        h ="" 
        htmls = str(tag[0])

        # 更改标题的级别，方便生成目录
        pat = re.compile(r'<h3(.*?)</h3>',re.S) #re.S 贪婪匹配包含换行
        htmls = re.sub(pat,r'<h4\1</h4>',htmls)
        pat = re.compile(r'<h2(.*?)</h2>',re.S)
        htmls = re.sub(pat,r'<h3\1</h3>',htmls)
        pat = re.compile(r'<h1(.*?)</h1>',re.S)
        htmls = re.sub(pat,r'<h2\1</h2>',htmls)
        
        #写入正文
        htmls= h + htmls 
        with open(name+".html",'a',encoding='utf-8') as f:
            f.write(htmls)
            print("  (%s)  [%s] download end"%(i,mainpages[i]))
        
    # 闭合parse_url_to_html中的标签
    htmls="</body></html>"
    with open(name+".html",'a',encoding='utf-8') as f:
        f.write(htmls)

def save_pdf(html,name):
    """
    把生成的html文件转换成pdf文件
    """
    options = {
        'page-size': 'Letter',
        'margin-top': '0.75in',
        'margin-right': '0.75in',
        'margin-bottom': '0.75in',
        'margin-left': '0.75in',
        'encoding': "UTF-8",
        'custom-header': [
            ('Accept-Encoding', 'gzip')
        ],
        'cookie': [
            ('cookie-name1', 'cookie-value1'),
            ('cookie-name2', 'cookie-value2'),
        ],
        'outline-depth': 10,
        'footer-font-name':'Times New Roman',
        'header-font-name':'Times New Roman',
        'minimum-font-size':24,       #字体大小的控制
    }
    pdfkit.from_file(html, name+".pdf", options=options)
    

if __name__ == '__main__':
    
    url = 'https://www.tensorflow.org/tutorials/'
    name = 'Python TensorFlow'
    
    if os.path.exists(name+'.html'):
        os.remove(name+'.html')
    if os.path.exists(name+'.pdf'):
        os.remove(name+'.pdf')

    mainpages, maintitles = parse_url_to_html(url,name)
    get_htmls(url,mainpages, maintitles, name)
    save_pdf(name+".html",name)

效果图如下：
在这里插入图片描述

我的个人中心页上传了样本，如果有需要，请自行下载python含金量高的证书。