以 https://reader.jojokanbao.cn/rmrb 上 PDF 的下载为例

参考博客：selenium+Python(Js处理日历控件) 网页的日期框中可以直接输入日期 找到输入框对应的标签，根据 class name 进行内容清楚和输入（如果标签有 id 属性可以根据 id 进行输入框确定），代码如下

输入日期后需要回车才能刷新页面，使用 selenium 模拟键盘事件参考博客：selenium-模拟键盘事件(回车、删除、刷新等) 实现代码如下

使用 selenium 下载 PDF 文件参考博客：python selenium 下载pdf文件 需要将简单的 browser = webdriver.Chrome() 替换为如下代码

参考博客：python之selenium访问网站被反爬限制封锁解决方法 添加如下代码

以 https://www.laoziliao.net/rmrb/ 上的文档下载为例

整体实现思路和爬取小说（https://blog.csdn.net/mycsdn5698/article/details/133465660）的一样，实现过程中遇到了一些问题： （1）BeautifulSoup 怎样获取标签间文本内容 获取标签的某个属性，例如 a 标签的 href 属性，代码如下

获取标签间的文本内容 如果标签属性较少，则可以使用正则提取，例子及其代码如下

如果标签属性较多，则可以参考博客：beautifulsoup怎样获取标签间文本内容，例子及其代码如下

（2）将 br 标签替换为换行符 例子如下 方法一：使用 get_text() 缺点：br 标签会变成一些空格，而不是换行

方法二：参考博客 https://blog.csdn.net/u012587107/article/details/80543977 缺点：str(news_context) 的使用导致 div 标签出现，且 变成了

注意：ANSI 编码的文本在 kindle 打开会有部分乱码，UTF-8 编码的不会

除了上述两个作为例子的网站，还有 时光印记经典珍藏系列，可以免费查看部分资料，全部资料的话是收费的。