### 实现思路 使用 Python 爬虫抓取 CSDN 首页内容并将其保存到 Word 文档中，可以通过 `requests` 或 `selenium` 抓取网页内容，再结合 `python-docx` 库将数据写入 Word 文档。此方法可以实现网页内容的结构化提取和文档生成，适用于内容归档、资料整理等场景。 ### 爬取 CSDN 页面内容 CSDN 是一个技术博客平台，页面内容通常包含文章标题、链接和摘要信息。使用 `requests` 和 `BeautifulSoup` 可以抓取首页的文章标题和链接信息。需要注意的是，部分网页内容可能通过 JavaScript 动态加载，此时需要使用 `selenium` 或 `playwright` 模拟浏览器操作。 ```python import requests from bs4 import BeautifulSoup def fetch_csdn_links(url="https://www.csdn.net/"): headers = { "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/120.0.0.0 Safari/537.36" } response = requests.get(url, headers=headers) response.encoding = 'utf-8' soup = BeautifulSoup(response.text, 'html.parser') articles = [] # 根据 CSDN 的页面结构提取文章链接和标题（可能需要根据实际页面结构调整） for item in soup.find_all('a', {'class': 'title-article'}): title = item.get_text(strip=True) link = item['href'] articles.append((title, link)) return articles ``` ### 将数据保存到 Word 文档 使用 `python-docx` 库创建 Word 文档，并将爬取到的标题和链接插入到文档中，每行显示一个标题和对应的链接，格式清晰易读。 ```python from docx import Document from docx.shared import Pt from docx.oxml.ns import qn from docx.enum.text import WD_ALIGN_PARAGRAPH def save_to_word(data, filename="CSDN_Articles.docx"): doc = Document() doc.add_heading("CSDN 热门文章", level=1) for title, link in data: paragraph = doc.add_paragraph() run = paragraph.add_run(f"标题：{title}") run.font.size = Pt(12) run.bold = True paragraph = doc.add_paragraph() run = paragraph.add_run(f"链接：{link}") run.font.size = Pt(10) run.italic = True doc.add_paragraph() # 添加空行分隔 desktop_path = os.path.join(os.path.expanduser("~"), "Desktop") file_path = os.path.join(desktop_path, filename) doc.save(file_path) return file_path ``` ### 完整脚本整合 将上述两个函数整合为完整的脚本，抓取 CSDN 首页文章链接，并保存到 Word 文档中。 ```python import os import requests from bs4 import BeautifulSoup from docx import Document from docx.shared import Pt def fetch_csdn_links(url="https://www.csdn.net/"): headers = { "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/120.0.0.0 Safari/537.36" } response = requests.get(url, headers=headers) response.encoding = 'utf-8' soup = BeautifulSoup(response.text, 'html.parser') articles = [] for item in soup.find_all('a', {'class': 'title-article'}): title = item.get_text(strip=True) link = item['href'] articles.append((title, link)) return articles def save_to_word(data, filename="CSDN_Articles.docx"): doc = Document() doc.add_heading("CSDN 热门文章", level=1) for title, link in data: paragraph = doc.add_paragraph() run = paragraph.add_run(f"标题：{title}") run.font.size = Pt(12) run.bold = True paragraph = doc.add_paragraph() run = paragraph.add_run(f"链接：{link}") run.font.size = Pt(10) run.italic = True doc.add_paragraph() desktop_path = os.path.join(os.path.expanduser("~"), "Desktop") file_path = os.path.join(desktop_path, filename) doc.save(file_path) return file_path if __name__ == "__main__": csdn_data = fetch_csdn_links() if csdn_data: file_path = save_to_word(csdn_data) print(f"文档已保存到：{file_path}") else: print("未抓取到任何文章") ``` ### 注意事项 - **页面结构变化**：CSDN 的页面结构可能会发生变化，因此需要根据实际 HTML 结构调整选择器。 - **反爬机制**：CSDN 可能会设置反爬机制，如 IP 封禁或验证码，可使用代理 IP 池和请求间隔控制来规避风险[^1]。 - **动态加载内容**：如果页面内容由 JavaScript 动态加载，可以使用 `selenium` 或 `playwright` 替代 `requests` 进行模拟浏览器操作。