wenku_test.py

#Python3.5
#2018/2/14
#参考教程：http://blog.csdn.net/c406495762/article/details/72331737#31-selenium
#待改进：中文字体；代码的通用性；无法爬取图片
 
from selenium import webdriver  #webdriver用来打开网页
from bs4 import BeautifulSoup   #用来爬取内容
import time     #用来等待完全加载
from docx import Document       #新建文档
from docx.enum.text import WD_ALIGN_PARAGRAPH   #用来居中显示标题    
 
def find_doc（driver i）:
    time.sleep（3）
    html = driver.page_source
    soup1 = BeautifulSoup（html ‘html.parser‘）
 
    result = soup1.find（‘div‘ attrs = {‘class‘:‘doc-title‘} ）
    doc_title = result.get_text（）   ###得到文档标题
 
    try:
        elem = driver.find_element_by_xpath（“//div[@data-flod-fun=‘continue-read‘]“）
        elem.click（）
        global doc_content_list
        doc_content_list = []
    except:
        pass
 
    result2 = soup1.find_all（‘p‘ attrs = {‘class‘:‘txt‘} ）
    for each in result2:
        text2 = each.get_text（）
         
        if ‘            ‘ in text2:
            text3 = text2.replace（ ‘            ‘ ‘‘ ）
        else:
            text3 = text2
             
        doc_content_list.append（text3）  ###得到正文内容
         
    try:
        elem = driv