大概设想是这样的
爬虫爬取的文字和图片一起保存为哪种格式,能看到文字和图片。
比如pdf
文字和图片共存,但是图片的位置如何控制,还请大神指点。
或者有其他更好的方法,欢迎指点。
提供一个方式,使用html来展示。
爬下来先保存成 HTML,给 img 标签定义为 block 元素,这样在保证性能的同时基本能适应绝大部分情况。有了 HTML 想转成别的格式就很简单了。
可以试试这个,web-html-to-pdf-python
先保存成html
,然后再转成pdf
你可能的意思是提取一些有用的信息和图片,然后转成pdf,这样的话可以先试试生成html
,然后转成pdf。但是生成html的过程应该很麻烦。