我们可以通过python 来实现这样一个简单的爬虫功能，把我们想要的代码爬取到本地。下面就看看如何使用python来实现这样一个功能。
起因
深夜忽然想下载一点电子书来扩充一下kindle，就想起来python学得太浅，什么“装饰器”啊、“多线程”啊都没有学到。
想到廖雪峰大神的python教程很经典、很著名。就想找找有木有pdf版的下载，结果居然没找到!!CSDN有个不完整的还骗走了我一个积分!!尼玛!!
怒了，准备写个程序直接去爬廖雪峰的教程，然后再html转成电子书。
过程
过程很有趣呢，用浅薄的python知识，写python程序，去爬python教程，来学习python。想想有点小激动……
果然python很是方便，50行左右就OK了。直接贴代码：
?
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 # coding:utf-8 import urllib domain = 'http://www.liaoxuefeng.com' #廖雪峰的域名 path = r'C:Userscyhhao2013Desktoptemp' #html要保存的路径 # 一个html的头文件 input = open(r'C:Userscyhhao2013Desktop.html', 'r') head = input.read() # 打开python教程主界面 f = urllib.urlopen(http://www.shancun.net/skin/default/image/nopic.gifhttp://www.liaoxuefeng.com/wiki/001374738125095c955c1e6d8bb493182103fac9270762a000http://www.shancun.net/skin/default/image/nopic.gif) home = f.read() f.close() # 替换所有空格回车（这样容易好获取url） geturl = home.replace(http://www.shancun.net/skin/default/image/nopic.gifnhttp://www.shancun.net/skin/default/image/nopic.gif, http://www.shancun.net/skin/default/image/nopic.gifhttp://www.shancun.net/skin/default/image/nopic.gif) geturl = geturl.replace(http://www.shancun.net/skin/default/image/nopic.gif http://www.shancun.net/skin/default/image/nopic.gif, http://www.shancun.net/skin/default/image/nopic.gifhttp://www.shancun.net/skin/default/image/nopic.gif) # 得到包含url的字符串 list = geturl.split(r'em;http://www.shancun.net/skin/default/image/nopic.gif><ahref=http://www.shancun.net/skin/default/image/nopic.gif')[1:] # 强迫症犯了，一定要把第一个页面也加进去才完美 list.insert(0, '/wiki/001374738125095c955c1e6d8bb493182103fac9270762a000http://www.shancun.net/skin/default/image/nopic.gif>') # 开始遍历url List for li in list: url = li.split(r'http://www.shancun.net/skin/default/image/nopic.gif>')[0] url = domain + url #拼凑url print url f = urllib.urlopen(url) html = f.read() # 获得title为了写文件名 title = html.split(http://www.shancun.net/skin/default/image/nopic.gif<title>http://www.shancun.net/skin/default/image/nopic.gif)[1] title = title.split(http://www.shancun.net/skin/default/image/nopic.gif - 廖雪峰的官方网站</title>http://www.shancun.net/skin/default/image/nopic.gif)[0] # 要转一下码，不然加到路径里就悲剧了 title = title.decode('utf-8').replace(http://www.shancun.net/skin/default/image/nopic.gif/http://www.shancun.net/skin/default/image/nopic.gif, http://www.shancun.net/skin/default/image/nopic.gif http://www.shancun.net/skin/default/image/nopic.gif) # 截取正文 html = html.split(r'<!-- block main -->')[1] html = html.split(r'<h4>您的支持是作者写作最大的动力！</h4>')[0] html = html.replace(r'src=http://www.shancun.net/skin/default/image/nopic.gif', 'src=http://www.shancun.net/skin/default/image/nopic.gif' + domain) # 加上头和尾组成完整的html html = head + html+http://www.shancun.net/skin/default/image/nopic.gif</body></html>http://www.shancun.net/skin/default/image/nopic.gif # 输出文件 output = open(path + http://www.shancun.net/skin/default/image/nopic.gif%dhttp://www.shancun.net/skin/default/image/nopic.gif % list.index(li) + title + '.html', 'w') output.write(html) output.close()简直，人生苦短我用python啊!
以上所述就是本文的全部内容了，希望大家能够喜欢。
