我想用java抓取http://www.weather.com.cn/杭州天气，求大神指导

Posted 2023-04-30

package util;
import java.io.InputStream;
import java.net.URL;
import java.util.Scanner;
public class my

public static void main(String[] args) throws Exception
URL url = new URL("http","qq.ip138.com",80,"/weather/zhejiang/HangZhou.htm") ;//protocol、host、port 号和 file
InputStream input = url.openStream() ; // 打开输入流
Scanner scan = new Scanner(input) ; // 实例化Scanner类
scan.useDelimiter("\n") ; // 设置读取分隔符
while(scan.hasNext())
System.out.println(scan.next()) ;




这是刚刚写的，就写个简单的。这输出的是全部的html，我不知道怎么输出天气状况

哥们，你写的高级一点要用到web服务接口，如果简单一点直接就像你这样用过url获取相应的天气信息，然后去解析你获取到的字符串即可，字符串大都是Json格式。
具体参照http://www.cnblogs.com/babycool/p/3575167.html这个。 参考技术A 获取了html以后，用正则表达式匹配或者根据一些规则替换、截取，获取你要的内容 参考技术B 个人感觉，获取天气预报用webservice更好。网页获取的话只能整理一下抓出来的数据 参考技术C 百度http请求

我想用 python 抓取一个印地语（印度语言）pdf文件

【中文标题】我想用 python 抓取一个印地语（印度语言）pdf文件

【英文标题】：I want to scrape a Hindi(Indian Langage) pdf file with python

【发布时间】：2016-06-29 23:19:51

【问题描述】：

我编写了从 PDF 文件中抓取所有数据的 python 代码。这里的问题是，一旦被刮掉，单词就会失去语法。如何解决这些问题？ 我附上代码。

from pdfminer.pdfinterp import PDFResourceManager, PDFPageInterpreter
from pdfminer.converter import TextConverter
from pdfminer.layout import LAParams
from pdfminer.pdfpage import PDFPage
from cStringIO import StringIO
def convert_pdf_to_txt(path):
   rsrcmgr = PDFResourceManager()
   retstr = StringIO()
   codec = 'utf-8'
   laparams = LAParams()
   device = TextConverter(rsrcmgr, retstr, codec=codec,laparams=laparams)
   with open(path, 'rb') as fp:
         interpreter = PDFPageInterpreter(rsrcmgr, device)
         password = ""
         caching = True
         pagenos = set()

         for page in PDFPage.get_pages(fp, pagenos, password=password,caching=caching, check_extractable=True):
             interpreter.process_page(page)
         text = retstr.getvalue()
  device.close()
  retstr.close()
  return text
print convert_pdf_to_txt("S24A276P001.pdf")

这是PDF的截图。

【问题讨论】：

如果您从pdf查看器复制粘贴，您可以正确看到正确的文本吗？

复制粘贴后没有文字不正确

有时文本不会以我以前见过的某种语言存储在某些 pdf 文件中，这意味着您需要为此编写自定义解码器。没有语言知识，我在这里无能为力。

如何写一个通用的自定义解码器？？如果你能帮我解决这个问题，我可能会想办法。

要写解码器，需要了解我不会说的语言和语法。也许你可以发布一组正确的文本和不正确的文本，但我很有可能没有线索。

【参考方案1】：

解决问题的最佳方法是使用 python 中的textract 模块并从其 github 存储库加载印地语测试数据，并将提取的文本写入 txt 文件。这解决了我的问题。

【讨论】：

您能否用一个简单的例子详细说明解决方案对我们有帮助吗？谢谢