【python爬虫 系列】12.实战一 爬取北京地区所有的房租信息

2024-02-04 02:20
文章标签 python 实战 系列 所有 爬虫 信息 爬取 房租 北京地区

本文主要是介绍【python爬虫 系列】12.实战一 爬取北京地区所有的房租信息，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

实战一
爬取北京地区所有的房租信息

1.要求
包括以下信息:
标题，租金，出租方式，户型，建筑面积，
朝向，楼层，装修等信息
存储于MYSQL中。导出excel或者csv
Sql导出csv方法：
select * from house into outfile "D:/out.csv

2.分析信息：
网址：https://zu.fang.com/

直接请求时请求不到页面
需要具备各种参数
启动Fiddler编写测试

需要三个参数
头部
来源
Cookies

3.设计架构：
数据库db.py
爬虫main.py
测试test.py

我们发起的request请求太多,
使用长连接，避免占用太多资源

4.编写db.py（创建表）

4.1这在之前，我们先调节一下我们的数据库配置文件，改为：

[client]
#设置mysq|客户端默认字符集
# default character- set=utf8[mysqld]
#设置3306端口
port = 3306
#设置mysql的安装目录
basedir=D:\mysql-8.0.19-winx64
#允许最大连接数
max_connections=1000
#服务端使用的字符集默认为8比特编码的latin1字符集
character-set-server=utf8
#创建新表时将使用的默认存储引擎
default-storage-engine=INNODB
#导出文件需要
secure_file_priv="D:/"

4.2链接数据库：

在这里插入图片描述

4.3写入db.py：

#存放数据库代码#导入包
from sqlalchemy import create_engine
from sqlalchemy import Column,Integer,String
from sqlalchemy.orm import sessionmaker,scoped_session
from sqlalchemy.ext.declarative import declarative_base
#创建连接
BASE=declarative_base() #创建基类
# 连接数据库
engine = create_engine("mysql+pymysql://root:123456@127.0.0.1:3306/test?charset=UTF8MB4",# （里面的 root 要填写你的密码）,注意：mysql+pymysql 之间不要加空格# "mysql + pymysql://root:root@localhost/test",max_overflow = 500, # 超过连接池大小之后，外最多可以创建的链接pool_size = 100, # 连接池大小echo = True, # 调试信息展示
)
#建表
class House(BASE):__tablename__="house" #表名 id=Column(Integer,primary_key=True,autoincrement=True) #id 主键自增block=Column(String(125))rent=Column(String(125))data=Column(String(225))#建立数据库
BASE.metadata.create_all(engine) #创建Session=sessionmaker(engine) 
sess=scoped_session(Session)  #为了线程安全

4.4运行后在cmd查看运行结果：

5.编写main.py
用session取代requests
解析库使用xpath
并发库使用concurrent

5.1Headers的构建（在开发者页面里找到参数）：

headers={'cookie': 'global_cookie=txaxdx88dpgv9a49oflr6w4j61yk6sncq90; integratecover=1; city=www; g_sourcepage=zf_fy%5Elb_pc; __utmc=147393320; ASP.NET_SessionId=pyefmyz0epjjnlcjw0yllr4r; keyWord_recenthousebj=%5b%7b%22name%22%3a%22%e6%b5%b7%e6%b7%80%22%2c%22detailName%22%3a%22%22%2c%22url%22%3a%22%2fhouse-a00%2f%22%2c%22sort%22%3a1%7d%5d; Captcha=565778754464366F3136557A644C556259477767704D334E4F37783431497978657165764544395474336737653179312F554358594E52367A6B566A5232373549695265782B76703633733D; unique_cookie=U_tc13v239pj2xmb5t6dasouizw1nk79um3rd*4; __utma=147393320.411936847.1583116386.1583116386.1583119062.2; __utmz=147393320.1583119062.2.2.utmcsr=zu.fang.com|utmccn=(referral)|utmcmd=referral|utmcct=/; __utmt_t0=1; __utmt_t1=1; __utmt_t2=1; __utmb=147393320.3.10.1583119062',
'referer': 'https://zu.fang.com/',
'user-agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/69.0.3947.100 Safari/537.36'}

4.2分析url(对爬取的多个页面url进行分析寻找规律)

部分url：

https://zu.fang.com/house -a01/
https://zu.fang.com/house- a00/
https://zu.fang.com/house- a010/
https://zu.fang.com/house-a016/

分析结果：urls=['https://zu.fang.com/house-a0{}/'.format(i) for i in range(1,17)]
4.3初步编写main.py
首先写单线程模式，优化是后期的事情过早优化会让代码复杂，可读性低

import requests
from lxml import etree
import re
from urllib import parse
from concurrent.futures import ProcessPoolExecutor,ThreadPoolExecutor
from db import sess,House  #从我们的db.py引入 线程安全和表headers={'cookie': 'global_cookie=txaxdx88dpgv9a49oflr6w4j61yk6sncq90; integratecover=1; city=www; g_sourcepage=zf_fy%5Elb_pc; __utmc=147393320; ASP.NET_SessionId=pyefmyz0epjjnlcjw0yllr4r; keyWord_recenthousebj=%5b%7b%22name%22%3a%22%e6%b5%b7%e6%b7%80%22%2c%22detailName%22%3a%22%22%2c%22url%22%3a%22%2fhouse-a00%2f%22%2c%22sort%22%3a1%7d%5d; Captcha=565778754464366F3136557A644C556259477767704D334E4F37783431497978657165764544395474336737653179312F554358594E52367A6B566A5232373549695265782B76703633733D; unique_cookie=U_tc13v239pj2xmb5t6dasouizw1nk79um3rd*4; __utma=147393320.411936847.1583116386.1583116386.1583119062.2; __utmz=147393320.1583119062.2.2.utmcsr=zu.fang.com|utmccn=(referral)|utmcmd=referral|utmcct=/; __utmt_t0=1; __utmt_t1=1; __utmt_t2=1; __utmb=147393320.3.10.1583119062',
'referer': 'https://zu.fang.com/',
'user-agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/69.0.3947.100 Safari/537.36'}session = requests.session()  #建立会话利用session长链接
session.headers = headersdef main():urls=['https://zu.fang.com/house-a0{}/'.format(i) for i in range(1,17)]for url in urls:get_index(url)if __name__ == '__main__':main()session.close()

4.4爬取列表页，获取详细data
获取一个地区后
爬去每个地区的房子总页数
方便下一步迭代

def get_index(url):html=session.get(url)if html.status_code==200:get_data(html)else:print("请求页面{}出错".format(url))

分析每个地区下不同列表页数：

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
可以发现页数这是相当没有规律的，但是有一个好的地方就是每个地区下都会标注一共有多少页，这样也就方便了我们，只要我们把这个页面总数get到就可以了，我们可以利用xpath和正则表达式实现这一点。

对海淀区的不同页url进行分析

url：
1页：https://zu.fang.com/house-a00/i31/
2页：https://zu.fang.com/house-a00/i32/
3页：https://zu.fang.com/house-a00/i33/

完善如下：

import requests
from lxml import etree
import re
from urllib import parse
from concurrent.futures import ProcessPoolExecutor,ThreadPoolExecutor
from db import sess,House  #从我们的db.py引入 线程安全和表headers={'cookie': 'global_cookie=txaxdx88dpgv9a49oflr6w4j61yk6sncq90; integratecover=1; city=www; g_sourcepage=zf_fy%5Elb_pc; __utmc=147393320; ASP.NET_SessionId=pyefmyz0epjjnlcjw0yllr4r; keyWord_recenthousebj=%5b%7b%22name%22%3a%22%e6%b5%b7%e6%b7%80%22%2c%22detailName%22%3a%22%22%2c%22url%22%3a%22%2fhouse-a00%2f%22%2c%22sort%22%3a1%7d%5d; Captcha=565778754464366F3136557A644C556259477767704D334E4F37783431497978657165764544395474336737653179312F554358594E52367A6B566A5232373549695265782B76703633733D; unique_cookie=U_tc13v239pj2xmb5t6dasouizw1nk79um3rd*4; __utma=147393320.411936847.1583116386.1583116386.1583119062.2; __utmz=147393320.1583119062.2.2.utmcsr=zu.fang.com|utmccn=(referral)|utmcmd=referral|utmcct=/; __utmt_t0=1; __utmt_t1=1; __utmt_t2=1; __utmb=147393320.3.10.1583119062',
'referer': 'https://zu.fang.com/',
'user-agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/69.0.3947.100 Safari/537.36'}session = requests.session()  #建立会话利用session长链接
session.headers = headers
#进入首页
def get_index(url):html=session.get(url)if html.status_code==200:get_data(html)else:print("请求页面{}出错".format(url))
#获取数字
def get_number(text):number=re.compile('\d+')return number.findall(text)[0]
#获取页面的page总数
def get_pages(html):soup=etree.HTML(html.text)pages=soup.xpath('//div[@class="fanye"]/span[@class="txt"]/text()')number=get_number(pages[0])if number:return int(number)return None#获取页面
def get_data(html):pages=get_pages(html)if not pages:pages=1urls=['https://zu.fang.com/house-a00/i3%d/'%i for i in range(1,pages+1)]for url in urls：get_data_next(url)def main():urls=['https://zu.fang.com/house-a0{}/'.format(i) for i in range(1,17)]for url in urls:get_index(url)if __name__ == '__main__':main()session.close()

4.5获取页面的预览信息
预览页面中有有用信息可以事先爬取

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
注意这里的hrf并不是全的，需要我们利用urljoin方法补全主站

import requests
from lxml import etree
import re
from urllib import parse
from concurrent.futures import ProcessPoolExecutor,ThreadPoolExecutor
from db import sess,House  #从我们的db.py引入 线程安全和表headers={'cookie': 'global_cookie=txaxdx88dpgv9a49oflr6w4j61yk6sncq90; integratecover=1; city=www; g_sourcepage=zf_fy%5Elb_pc; __utmc=147393320; ASP.NET_SessionId=pyefmyz0epjjnlcjw0yllr4r; keyWord_recenthousebj=%5b%7b%22name%22%3a%22%e6%b5%b7%e6%b7%80%22%2c%22detailName%22%3a%22%22%2c%22url%22%3a%22%2fhouse-a00%2f%22%2c%22sort%22%3a1%7d%5d; Captcha=565778754464366F3136557A644C556259477767704D334E4F37783431497978657165764544395474336737653179312F554358594E52367A6B566A5232373549695265782B76703633733D; unique_cookie=U_tc13v239pj2xmb5t6dasouizw1nk79um3rd*4; __utma=147393320.411936847.1583116386.1583116386.1583119062.2; __utmz=147393320.1583119062.2.2.utmcsr=zu.fang.com|utmccn=(referral)|utmcmd=referral|utmcct=/; __utmt_t0=1; __utmt_t1=1; __utmt_t2=1; __utmb=147393320.3.10.1583119062',
'referer': 'https://zu.fang.com/',
'user-agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/69.0.3947.100 Safari/537.36'}session = requests.session()  #建立会话利用session长链接
session.headers = headers
#进入首页
def get_index(url):html=session.get(url)if html.status_code==200:get_data(html)else:print("请求页面{}出错".format(url))
#获取数字
def get_number(text):number=re.compile('\d+')return number.findall(text)[0]
#获取页面的page总数
def get_pages(html):soup=etree.HTML(html.text)pages=soup.xpath('//div[@class="fanye"]/span[@class="txt"]/text()')number=get_number(pages[0])if number:return int(number)return None#获取页面
def get_data(html):pages=get_pages(html)if not pages:pages=1urls=['https://zu.fang.com/house-a00/i3%d/'%i for i in range(1,pages+1)]for url in urls:get_data_next(url)def get_data_next(url):html=session.get(url)soup=etree.HTML(html.text)dls=soup.xpath('//div[@class="houseList"]/dl')for dl in dls:try:title=dl.xpath('dd/p/a/text()')[0]rent=dl.xpath('dd/div/p/span[@class="price"]/text()')[0]href=parse.urljoin("https://zu.fang.com",dl.xpath('dd/p/a/@href')[0])#print(title,rent,href)except IndexError as e:print("dl error")def main():urls=['https://zu.fang.com/house-a0{}/'.format(i) for i in range(1,17)]for url in urls:get_index(url)if __name__ == '__main__':main()session.close()

4.6获取详情页信息

获取line：
在这里插入图片描述
获取line下的标签：

在这里插入图片描述

4.7完善单线程的main.py
数据入库防止插入数据失败，编写回滚

import requests
from lxml import etree
import re
from urllib import parse
from concurrent.futures import ProcessPoolExecutor,ThreadPoolExecutor
from db import sess,House  #从我们的db.py引入 线程安全和表headers={'cookie': 'global_cookie=txaxdx88dpgv9a49oflr6w4j61yk6sncq90; integratecover=1; city=www; g_sourcepage=zf_fy%5Elb_pc; __utmc=147393320; ASP.NET_SessionId=pyefmyz0epjjnlcjw0yllr4r; keyWord_recenthousebj=%5b%7b%22name%22%3a%22%e6%b5%b7%e6%b7%80%22%2c%22detailName%22%3a%22%22%2c%22url%22%3a%22%2fhouse-a00%2f%22%2c%22sort%22%3a1%7d%5d; Captcha=565778754464366F3136557A644C556259477767704D334E4F37783431497978657165764544395474336737653179312F554358594E52367A6B566A5232373549695265782B76703633733D; unique_cookie=U_tc13v239pj2xmb5t6dasouizw1nk79um3rd*4; __utma=147393320.411936847.1583116386.1583116386.1583119062.2; __utmz=147393320.1583119062.2.2.utmcsr=zu.fang.com|utmccn=(referral)|utmcmd=referral|utmcct=/; __utmt_t0=1; __utmt_t1=1; __utmt_t2=1; __utmb=147393320.3.10.1583119062',
'referer': 'https://zu.fang.com/',
'user-agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/69.0.3947.100 Safari/537.36'}session = requests.session()  #建立会话利用session长链接
session.headers = headers
#进入首页
def get_index(url):html=session.get(url)if html.status_code==200:get_data(html)else:print("请求页面{}出错".format(url))
#获取数字
def get_number(text):number=re.compile('\d+')return number.findall(text)[0]
#获取页面的page总数
def get_pages(html):soup=etree.HTML(html.text)pages=soup.xpath('//div[@class="fanye"]/span[@class="txt"]/text()')number=get_number(pages[0])if number:return int(number)return None#获取页面
def get_data(html):pages=get_pages(html)if not pages:pages=1urls=['https://zu.fang.com/house-a00/i3%d/'%i for i in range(1,pages+1)]for url in urls:get_data_next(url)def get_data_next(url):html=session.get(url)soup=etree.HTML(html.text)dls=soup.xpath('//div[@class="houseList"]/dl')for dl in dls:try:title=dl.xpath('dd/p/a/text()')[0]rent=dl.xpath('dd/div/p/span[@class="price"]/text()')[0]href=parse.urljoin("https://zu.fang.com",dl.xpath('dd/p/a/@href')[0])#print(title,rent,href)get_house_data(href,title,rent,href)except IndexError as e:print("dl error")#获取单个房间的信息
def get_house_data(url,*args):html=session.get(url)soup=etree.HTML(html.text)lines=soup.xpath('//div[starts-with(@class,"tab-cont-ri")]/div[@class="tr-line clearfix"]')[:2]results=""for line in lines:datas=line.xpath('div[contains(@class,"trl-item1")]/div[@class="tt"]/text()')results+="|".join(datas)#print(results)s=sess()try:print(s)house=House(block=args[0],rent=args[1],data=results)s.add(house)s.commit()print("commit")except Exception as e:print("rollback",e)s.rollback()def main():urls=['https://zu.fang.com/house-a0{}/'.format(i) for i in range(1,17)]for url in urls:get_index(url)if __name__ == '__main__':main()session.close()

4.8优化
1）优化
完成基础架构:先优化两部分
地区部分多进程
每个地区 下多线程
（后续可以在多线程下异步协程或者Celery分布式）

import requests
from lxml import etree
import re
from urllib import parse
from concurrent.futures import ProcessPoolExecutor,ThreadPoolExecutor
from db import sess,House  #从我们的db.py引入 线程安全和表headers={'cookie': 'global_cookie=txaxdx88dpgv9a49oflr6w4j61yk6sncq90; integratecover=1; city=www; g_sourcepage=zf_fy%5Elb_pc; __utmc=147393320; ASP.NET_SessionId=pyefmyz0epjjnlcjw0yllr4r; keyWord_recenthousebj=%5b%7b%22name%22%3a%22%e6%b5%b7%e6%b7%80%22%2c%22detailName%22%3a%22%22%2c%22url%22%3a%22%2fhouse-a00%2f%22%2c%22sort%22%3a1%7d%5d; Captcha=565778754464366F3136557A644C556259477767704D334E4F37783431497978657165764544395474336737653179312F554358594E52367A6B566A5232373549695265782B76703633733D; unique_cookie=U_tc13v239pj2xmb5t6dasouizw1nk79um3rd*4; __utma=147393320.411936847.1583116386.1583116386.1583119062.2; __utmz=147393320.1583119062.2.2.utmcsr=zu.fang.com|utmccn=(referral)|utmcmd=referral|utmcct=/; __utmt_t0=1; __utmt_t1=1; __utmt_t2=1; __utmb=147393320.3.10.1583119062',
'referer': 'https://zu.fang.com/',
'user-agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/69.0.3947.100 Safari/537.36'}session = requests.session()  #建立会话利用session长链接
session.headers = headers
#进入首页
def get_index(url):html=session.get(url)if html.status_code==200:get_data(html)else:print("请求页面{}出错".format(url))
#获取数字
def get_number(text):number=re.compile('\d+')return number.findall(text)[0]
#获取页面的page总数
def get_pages(html):soup=etree.HTML(html.text)pages=soup.xpath('//div[@class="fanye"]/span[@class="txt"]/text()')number=get_number(pages[0])if number:return int(number)return None#获取页面
def get_data(html):pages=get_pages(html)if not pages:pages=1urls=['https://zu.fang.com/house-a00/i3%d/'%i for i in range(1,pages+1)]with ThreadPoolExecutor(max_workers=10) as t:for url in urls:print("crawl page %s"%url)t.submit(get_data_next,url)
#获取详情页面信息
def get_data_next(url):html=session.get(url)soup=etree.HTML(html.text)dls=soup.xpath('//div[@class="houseList"]/dl')for dl in dls:try:title=dl.xpath('dd/p/a/text()')[0]rent=dl.xpath('dd/div/p/span[@class="price"]/text()')[0]href=parse.urljoin("https://zu.fang.com",dl.xpath('dd/p/a/@href')[0])#print(title,rent,href)get_house_data(href,title,rent,href)except IndexError as e:print("dl error")#获取单个房间的信息
def get_house_data(url,*args):html=session.get(url)soup=etree.HTML(html.text)lines=soup.xpath('//div[starts-with(@class,"tab-cont-ri")]/div[@class="tr-line clearfix"]')[:2]results=""for line in lines:datas=line.xpath('div[contains(@class,"trl-item1")]/div[@class="tt"]/text()')results+="|".join(datas)#print(results)s=sess()try:print(s)house=House(block=args[0],rent=args[1],data=results)s.add(house)s.commit()print("commit")except Exception as e:print("rollback",e)s.rollback()def main():urls=['https://zu.fang.com/house-a0{}/'.format(i) for i in range(1,17)]with ProcessPoolExecutor(max_workers=10) as p:for url in urls:p.submit(get_index,url)if __name__ == '__main__':main()session.close()

这样我们就完成了项目，并且多线程多进程效率十分高

有些时候房天下会301，参考我们之前在状态码那一页所说的就可以成功get

这篇关于【python爬虫 系列】12.实战一 爬取北京地区所有的房租信息的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！


http://www.chinasem.cn/article/676116。

相关文章

Python实现终端清屏的几种方式详解

Python实现终端清屏的几种方式详解

《Python实现终端清屏的几种方式详解》在使用Python进行终端交互式编程时,我们经常需要清空当前终端屏幕的内容,本文为大家整理了几种常见的实现方法,有需要的小伙伴可以参考下... 目录方法一：使用 `os` 模块调用系统命令方法二：使用 `subprocess` 模块执行命令方法三：打印多个换行符模拟
阅读更多...
Python实现MQTT通信的示例代码

Python实现MQTT通信的示例代码

《Python实现MQTT通信的示例代码》本文主要介绍了Python实现MQTT通信的示例代码,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一... 目录1. 安装paho-mqtt库‌2. 搭建MQTT代理服务器（Broker）‌‌3. pytho
阅读更多...
基于Python开发一个图像水印批量添加工具

基于Python开发一个图像水印批量添加工具

《基于Python开发一个图像水印批量添加工具》在当今数字化内容爆炸式增长的时代,图像版权保护已成为创作者和企业的核心需求,本方案将详细介绍一个基于PythonPIL库的工业级图像水印解决方案,有需要... 目录一、系统架构设计1.1 整体处理流程1.2 类结构设计（扩展版本）二、核心算法深入解析2.1 自
阅读更多...
从入门到进阶讲解Python自动化Playwright实战指南

从入门到进阶讲解Python自动化Playwright实战指南

《从入门到进阶讲解Python自动化Playwright实战指南》Playwright是针对Python语言的纯自动化工具,它可以通过单个API自动执行Chromium,Firefox和WebKit... 目录Playwright 简介核心优势安装步骤观点与案例结合Playwright 核心功能从零开始学习
阅读更多...
Python 字典 (Dictionary)使用详解

Python 字典 (Dictionary)使用详解

《Python字典(Dictionary)使用详解》字典是python中最重要,最常用的数据结构之一,它提供了高效的键值对存储和查找能力,：本文主要介绍Python字典(Dictionary)... 目录字典1.基本特性2.创建字典3.访问元素4.修改字典5.删除元素6.字典遍历7.字典的高级特性默认字典
阅读更多...
Python自动化批量重命名与整理文件系统

Python自动化批量重命名与整理文件系统

《Python自动化批量重命名与整理文件系统》这篇文章主要为大家详细介绍了如何使用Python实现一个强大的文件批量重命名与整理工具,帮助开发者自动化这一繁琐过程,有需要的小伙伴可以了解下... 目录简介环境准备项目功能概述代码详细解析1. 导入必要的库2. 配置参数设置3. 创建日志系统4. 安全文件名处
阅读更多...
使用Python构建一个高效的日志处理系统

使用Python构建一个高效的日志处理系统

《使用Python构建一个高效的日志处理系统》这篇文章主要为大家详细讲解了如何使用Python开发一个专业的日志分析工具,能够自动化处理、分析和可视化各类日志文件,大幅提升运维效率,需要的可以了解下... 目录环境准备工具功能概述完整代码实现代码深度解析1. 类设计与初始化2. 日志解析核心逻辑3. 文件处
阅读更多...
python生成随机唯一id的几种实现方法

python生成随机唯一id的几种实现方法

《python生成随机唯一id的几种实现方法》在Python中生成随机唯一ID有多种方法,根据不同的需求场景可以选择最适合的方案,文中通过示例代码介绍的非常详细,需要的朋友们下面随着小编来一起学习学习... 目录方法 1：使用 UUID 模块（推荐）方法 2：使用 Secrets 模块（安全敏感场景）方法
阅读更多...
Java docx4j高效处理Word文档的实战指南

Java docx4j高效处理Word文档的实战指南

《Javadocx4j高效处理Word文档的实战指南》对于需要在Java应用程序中生成、修改或处理Word文档的开发者来说,docx4j是一个强大而专业的选择,下面我们就来看看docx4j的具体使用... 目录引言一、环境准备与基础配置1.1 Maven依赖配置1.2 初始化测试类二、增强版文档操作示例2.
阅读更多...
一文详解如何使用Java获取PDF页面信息

一文详解如何使用Java获取PDF页面信息

《一文详解如何使用Java获取PDF页面信息》了解PDF页面属性是我们在处理文档、内容提取、打印设置或页面重组等任务时不可或缺的一环,下面我们就来看看如何使用Java语言获取这些信息吧... 目录引言一、安装和引入PDF处理库引入依赖二、获取 PDF 页数三、获取页面尺寸（宽高）四、获取页面旋转角度五、判断
阅读更多...

Copyright China编程 23002807@qq.com

沪ICP备2023033072号-2