secwiki

一个使用selenium+phantomjs写的小项目。插件化、本地化。

目的

由于自己的rss炸了，所以写了爬虫来抓取文章并且保存为pdf文档。 也起到文章分类知识聚合存档的一个效果。

依赖

• python3
• bs4
• requests
• selenium
• phantomjs

插件

def run():
    posts = []
    post = {
        'date': date,
        'title': title,
        'url': url,
        'cate': cate
    }
    posts.append(post)
    return posts

插件目录在plugin目录，格式如上，需要定义run方法并且返回posts数组

BUG

Message: {"errorMessage":"Refused to evaluate a string as JavaScript because 'unsafe-eval' is not an allowed source of script in the following Content Security Policy directive: \"script-src github.githubassets.com\".\n","request":{"objectName":"","statusCode":200,"headers":{"Cache":"no-cache","Content-Type":"application/json;charset=UTF-8"}}} Screenshot: available via screen

由于phantomjs暂停项目开发遗留的这个问题，未找到解决方案。

如果目标网站直接是静态pdf(比如http://1.com/1.pdf)，那么会出现输出的pdf为空白，未找到解决方案。

END

个人项目，欢迎star、fork、pr，欢迎贡献爬虫插件。