【发布时间】：2014-09-18 07:41:46
【问题描述】：
这是我正在尝试做的事情：通过 python 脚本，我想获取 Google 搜索结果的前 5 页并将它们保存为文件夹中的 PDF 文件。
你有什么建议？
(1) 我从一页一页解析 HTML 页面开始，然后找到一个工具将它们转换为 PDF 吗？
(2) 我找到了一种通过我还不知道的模组直接完成所有步骤的方法？
非常感谢您的见解！
【问题讨论】：
【发布时间】：2014-09-18 07:41:46
【问题描述】：
使用标准 Python 库下载文件。然后您可以使用http://www.xhtml2pdf.com/ 将页面转换为PDF。
注意：大多数网页使用大量的 JavaScript 来完成各种魔术。因此，对于许多页面，只有成熟的网络浏览器才能为您带来不错/有用的结果。如果你遇到这个问题，那么没有纯 Python 的解决方案。 Try phantomjs as explained here:
phantomjs rasterize.js 'http://en.wikipedia.org/w/index.php?title=Jakarta&printable=yes' jakarta.pdf
PS：我通过谷歌搜索python convert html to pdf找到了这些解决方案，您应该偶尔尝试一下。
【讨论】：
-
非常感谢您的回复。当然，在来这里之前我是用这种关键字搜索谷歌的。我不认为谷歌结果页面中有很多 Java，所以我会尝试使用 xhtml2pdf ！
-
您真的只想归档 Google 搜索结果的前 5 页（即不是第一个搜索结果后面的页面）？我认为 xhtml2pdf 可能就足够了。注意：Google 对使用机器人访问搜索结果有严格的规定。你应该阅读它们，否则你可能会被禁止：developers.google.com/web-search/terms