ISEE小语
“每个人都有属于自己的一片森林，也许我们从来不曾走过，但它一直在那里，总会在那里。迷失的人迷失了，相逢的人会再相逢。”
前言：
最近在想历史上的今天都发生了什么？有什么样的故事？在搜索的时候发现了一个网站，叫 jintian.160，小栈就出现一个想法：
将某一天的所有历史信息都拿出来，生成一个以【某一天】为单位的电子书，这样的话本地电脑、手机上也可方便的离线看了！
话不多说，我们直接开始。
环境：
Pycharm
Python 3.9.16
三方库：
beautifulsoup4==4.12.3pillow==10.4.0python-docx==1.1.2pypandoc==1.14
（左右滑动查看完整代码）
如果没有，请通过pip install 自行安装
导入：
import osimport pypandocimport requestsfrom PIL import Imagefrom bs4 import BeautifulSoupfrom docx import Documentfrom docx.enum.text import WD_ALIGN_PARAGRAPH
（左右滑动查看完整代码）
所需要的环境和库准备好，那么就可以开始核心操作了！
1 网站地址
首先，先确定网站地址
http://jintian.160.com/看一下页面是这样的：
2 获取大事记页数
小栈看了一下页面，发现历史上今天大事记的页数在页面并不能直接获取，需要根据页面的显示数据和返回的总数算一下，如：
# 获取历史上今天大事记信息的页数base_url = "http://jintian.160.com" # 网站地址month = 10 # 月day = 16 # 日url = f"{base_url}/ashx/GreatThing.ashx?act=getgreatthinglist&page=1s&m=%s&d=%s&c=" % (month, day)data = requests.get(url)record_count = data.json()["recordCount"] # 总数page = int(record_count / 14) + 1print(f"获取历史上今天大事记信息的页数：{page}")
（左右滑动查看完整代码）
3 获取大事记信息列表
我们获取指定日期的大事记信息列表，在获取的过程中发现两个小问题，需要特别处理：
a. 将带特殊码的空格替换为普通空格
# 将带特殊码的空格替换为普通空格parts = li.text.lstrip('·')title_text = parts.replace('\xa0', ' ').strip() if parts else ""
（左右滑动查看完整代码）
b. 将与当前日期不符的信息过滤掉
# 将与当前日期不符的信息过滤掉if new_day == f"{month}月{day}日":part_result['day'] = new_daypart_result['href'] = hrefpart_result['title'] = title_text
（左右滑动查看完整代码）
# 获取大事记信息列表result_ = []for i in range(1, page + 1):url = f"{base_url}/ashx/GreatThing.ashx?act=getgreatthinglist&page=%s&m=%s&d=%s&c=" % (str(i), month, day)data = requests.get(url)data_content = data.json()["data"]if data_content:html = BeautifulSoup(data_content, 'html.parser')data_li = html.find_all("li")for li in data_li:part_result = dict()a_tag_content = li.find("a")href = a_tag_content['href'] if a_tag_content else ''# 将带特殊码的空格替换为普通空格parts = li.text.lstrip('·')title_text = parts.replace('\xa0', ' ').strip() if parts else ""title_text_ = title_text.split(" ")new_day = title_text_[0].split("年")[1]# 将与当前日期不符的信息过滤掉if new_day == f"{month}月{day}日":part_result['day'] = new_daypart_result['href'] = hrefpart_result['title'] = title_textresult_.append(part_result)print(f"获取大事记信息列表：{result_}")
（左右滑动查看完整代码）
结果：
4 大事记写入Word文档
在大事记获取的过程中，下载的图片有可能是转码问题，无法写入Word，这里就需要做一下处理，将下载的图片转成统一的jpeg格式
# 将下载的图片转成统一的jpeg格式with Image.open(image_path) as img:img.save(image_path, format='JPEG')
（左右滑动查看完整代码）
写入Word的操作，前面文章有分享，有兴趣可以浏览
python对Word文档内容的增、删、改、查操作，独立封装版
九月de云，公众号：九月de云python对Word文档内容的增、删、改、查操作，独立封装版
完成代码：
# 创建一个新的Word文档doc = Document()doc_name = f"{month}月{day}日"for ic in result_:title = ic.get('title')part_url = ic.get('href')if not part_url:# 添加标题title_ = doc.add_heading(title, level=1)# 设置样式title_.style.font.bold = Truetitle_.style.font.shadow = Truetitle_.alignment = WD_ALIGN_PARAGRAPH.CENTERdoc.add_paragraph()doc.add_paragraph('无详细介绍')doc.add_paragraph()continueurl = base_url + ic.get('href')html_content = requests.get(url).content# 解析HTMLsoup = BeautifulSoup(html_content, 'html.parser')# 添加标题title = soup.find(id="gTitle").get_text()title_ = doc.add_heading(title, level=1)# 设置样式title_.style.font.bold = Truetitle_.style.font.shadow = Truetitle_.alignment = WD_ALIGN_PARAGRAPH.CENTERdoc.add_paragraph()# 获取内容并添加到文档content_div = soup.find(id="gContent")for element in content_div.children:if element.name == 'p':# 添加文本段落doc.add_paragraph(element.get_text())if element.contents:for content in element.contents:if content.name == 'img':# 下载并添加图片img_url = content.attrs['src']response = requests.get(base_url + img_url)image_path = "temp_image.jpg"with open(image_path, 'wb') as f:f.write(response.content)with Image.open(image_path) as img:img.save(image_path, format='JPEG')doc.add_picture(image_path)last_ = doc.paragraphs[-1]last_.alignment = WD_ALIGN_PARAGRAPH.CENTERos.remove(image_path)doc.add_paragraph()# 保存文档doc.save(f'{doc_name}.docx')
（左右滑动查看完整代码）
结果：
打开看一下内容：
5 将Word转为电子书
我们这里是将docx转换为epub格式
这里需要用到三方库pypandoc
# 将docx转换为epubdoc_name = f"{month}月{day}日"format_name = 'epub'ebook_name = f"{month}月{day}日大事记"ebook = pypandoc.convert_file(f'{doc_name}.docx', format_name, outputfile=f'{ebook_name}.epub')
（左右滑动查看完整代码）
结果：
通过电子书阅读器打开电子书
这个效果还可以
当然，无论是Word文档，还是epub电子书，只是一个保存的格式，都可以在PC或手机端打开阅览，看个人爱好即可！
6 其他日期的抓取
历史的今天，不是指现在，可以指定日期
只需要修改月、日即可
month = 10 # 月day = 16 # 日
（左右滑动查看完整代码）
这part不是废话哟，只是单纯的说可以抓取任何日期
7 总结
整个制作过程下来，发现这个网站更新并不及时，在内容上也有一些小的瑕疵，希望它后续可以优化吧。
但这不影响小栈的抓取和制作，如果同学有发现更好的关于历史事记的网站，期望给小栈留言，告知小栈。
以上实例仅限个人观点，学习使用
完整的代码已经整理
后台回复“history_today”即可获取源码！
寄语：世间三美，明月，清风，眼前……
看到这儿的朋友帮点个“赞”和“在看”，谢谢支持~！
文章就分享到这儿，喜欢就点个赞吧!
