[原创]自己动手写CSDN博客提取器，提取文件保存支持PDF、doc、txt三种格式

下载地址http://download.csdn.net/detail/w397090770/4438566（不需要积分）

下面有网友说爬取到的博文没有任何博主的信息，今天我更新了一下代码， 在每一篇爬取到的博文中添加了作者博客名字以及这篇博文的地址，详细见下图。

用了好久的CSDN博客，发现里面有很多的很不错的文章，但是一篇一篇的复制、粘贴总觉得很麻烦，于是，花了1天半的时间做了一个CSDN博客提取器，可以爬取CSDN博客指定用户所有的文章列表，可以选择相关的文章进行下载，下载保存支持PDF、doc、txt三种格式。保存的pdf、doc文件支持图片，txt文件是纯文本格式的文件。软件运行的时候需要jdk1.5或者以上环境。

本程序用java编写，运行的时候需要JDK1.5或以上环境，无需安装。程序通过分析CSDN博
客源码来生成一些必要的数据，可能在以后使用当中出现爬取不了的情况，可能是CSDN的源码
结构修改了。程序只是用于学习之用，严禁用于非法目的而照成CSDN服务器过载。
由于生成PDF的时候需要依赖字库，所以在打包程序的时候把一些必要的字库已经放到程序中
去了。可能在生成一些PDF文件的时候出现乱码问题，那是因为里面缺少需要的字库，如遇到这
个问题，请和本人联系：wyphao.2007@163com


fonts文件夹是生成pdf文件依赖的字体库，如果生成的pdf文件是乱码，说明缺少相关的字体。


####################################################
程序功能：
1、支持输入CSDN博客用户名针对性下载
2、支持选择保存下载的文件
保存的结构目录为：
选择的保存路径\CSDN用户名\img 该用户的头像保存路径
选择的保存路径\CSDN用户名\pdf 生成的PDF文件保存路径
选择的保存路径\CSDN用户名\doc 生成的DOC文件保存路径
选择的保存路径\CSDN用户名\txt 生成的TXT文件保存路径
3、支持获取用户博客信息
4、支持显示用户所有的帖子列表
5、可以自己选择需要下载的帖子，有全选、反选、重置按钮
6、支持下载的文件保存为 pdf、doc、txt三种格式
7、生成的pdf、doc文件支持图片
8、支持进度显示

####################################################

制作时间：2012年07月17日 - 2012年07月18日
制 作：w397090770
个人博客：http://blog.csdn.net/w397090770
Email ：wyphao.2007@163.com
版权所有，翻版不究
####################################################

已经贴出了本程序的一部分源代码（其他的我会慢慢添加）

自己动手写CSDN博客提取器源码分析之一：处理网页保存为txt文件http://blog.csdn.net/w397090770/article/details/7767531

自己动手写CSDN博客提取器源码分析之二：处理网页保存为doc文件http://blog.csdn.net/w397090770/article/details/7768089

自己动手写CSDN博客提取器源码分析之三：处理网页保存为pdf文件http://blog.csdn.net/w397090770/article/details/7768129

下面是我爬取这篇文章的结果

文本的肯定没图片哇。嘿嘿

15楼CHEMAIS昨天 19:36

mdict 是电子词典软件

Re: w397090770昨天 23:52

回复CHEMAISn什么？

14楼lixan8672昨天 18:35

希望也可以支持博客园的提取。

Re: w397090770昨天 18:36

回复lixan8672n你好，根据你意见，我制作了一个博客园博客提取器，博客网站：http://blog.csdn.net/w397090770/article/details/7771072

Re: w397090770昨天 19:36

回复lixan8672n原理是一样的，只是处理网页的时候我得分析一下。谢谢你的支持。

13楼yeqiuzs昨天 16:41

厉害！

12楼y8820960昨天 00:00

发布源码 就更帅气了哈。。嘿嘿

Re: w397090770昨天 10:37

回复y8820960n我到时候会发一些这个程序的主要源码把。

11楼time_anime前天 16:39

怎么运行的时候提示java运行环境未找到？

Re: w397090770前天 16:41

回复time_animen因为我那个是用JAVA语言编写的，所以需要安装java虚拟机才能运行java程序的。

Re: time_anime前天 19:15

我设置下JAVA_HOME就OK了！回复w397090770

10楼vvinggth204前天 16:01

厉害

9楼liutengteng130前天 15:14

好强大啊，支持。

8楼humanspider1前天 15:07

不可以下载来用吗？

Re: w397090770前天 15:12

回复humanspider1n已经上传好了，不过软件运行的时候需要jdk环境

Re: w397090770前天 15:13

回复humanspider1n稍等，我正在打包。

7楼yps_co前天 15:06

厉害。

6楼CHEMAIS前天 14:58

mdict 需要您这样的nhttp://pdawiki.5d6d.net/forum-4-1.html

5楼mozhate_2012前天 14:57

hao nb a ! 菜鸟膜拜ing!!!

4楼happy09li前天 14:49

这个好用，，

3楼MingoJiang前天 09:49

对博主佩服，不过批量下人家的博文，如果用于商业用途，又不注册出处的话，不好哦

Re: MingoJiang前天 11:34

回复MingoJiangn博主很赞， 也很虚心

Re: w397090770前天 12:53

回复MingoJiangn已经更新了，在每一篇爬取到的博文中加上了作者的博客名字以及文章的地址。看我上面的截图。

Re: w397090770前天 13:09

回复MingoJiangn谢谢你的建议，我会修改一下程序，加上作者名字和网站地址。

2楼lixan86723天前 15:05

可以支持博客园吗？

Re: w397090770前天 21:52

回复lixan8672nn你好，根据你意见，我制作了一个博客园博客提取器，博客网站：http://blog.csdn.net/w397090770/article/details/7771072

Re: w397090770前天 08:17

回复lixan8672n不支持，因为这次我主要是处理CSDN的博客，下次我更新一些使得可以处理博客园。

1楼fengwuze3天前 10:04

能否提供源代码。

Re: w3970907703天前 10:05

回复fengwuzen我慢慢把这个软件的源码公布出来吧。谢谢你的支持。下面是我这个软件的一部分源码。http://blog.csdn.net/w397090770/article/details/7767531

Re: w3970907703天前 11:54

回复fengwuzen我到时候会发一些这个程序的主要源码把。

Re: fengwuze3天前 12:08

好的，谢谢你。有些个性化一点的需求想在你这个版本的基础上修改下。回复w397090770

Re: w3970907703天前 13:12

回复fengwuzen谢谢支持，现在我在修改成能爬取博客园的帖子程序。。