整合营销服务商
电脑端+手机端+微信端=数据同步管理
免费咨询热线：
电脑端+手机端+微信端=数据同步管理
免费咨询热线：
绍
网页抓取是一种重要的技术，经常在许多不同的环境中使用，尤其是数据科学和数据挖掘。 Python在很大程度上被认为是网络抓取的首选语言，其原因在于Python的内嵌电池特性。 使用Python，您可以在大约15分钟内使用不到100行代码创建一个简单的抓取脚本。 因此，无论何种用途，网页抓取都是每个Python程序员必须具备的技能。
在我们开始动手之前，我们需要退后一步，考虑什么是网页抓取，什么时候应该使用它，何时避免使用它。
如您所知，网页抓取是一种用于从网站自动提取数据的技术。 重要的是要理解，网页抓取是一种从各种来源（通常是网页）中提取数据的粗略技术。 如果网站的开发人员足够慷慨地提供API来提取数据，那么访问数据将是一种更加稳定和健壮的方式。 因此，根据经验，如果网站提供API以编程方式检索其数据，请使用它。 如果API不可用，则只能使用网络抓取。
请务必遵守有关您使用的每个网站的网页抓取的任何规则或限制，因为有些网站不允许这样做。 有了这个清楚的认识，让我们直接进入教程。
在本教程中，我们将抓取http://quotes.toscrape.com/，这是一个列出着名作家名言的网站。
网页抓取管道
我们可以将web-scraping理解为包含3个组件的管道：
下载：下载HTML网页
解析：解析HTML并检索我们感兴趣的数据
存储：以特定格式将检索到的数据存储在本地计算机中
下载HTML
从网页中提取任何数据，从逻辑上讲，我们首先要下载它。 我们有两种方法可以做到这一点：
1.使用浏览器自动化库
您可以使用Selenium等浏览器自动化库从网页下载HTML。 Selenium允许您打开浏览器，比方说Chrome，并根据需要控制它。 您可以在浏览器中打开网页，然后使用Selenium自动获取该页面的HTML代码。
但是，这种方法有一个很大的缺点 - 它明显变慢。 原因是运行浏览器并在浏览器中呈现HTML的开销。 此方法仅应用于特殊情况 - 我们要抓取的内容在浏览器中使用JavaScript代码，或者要求我们单击按钮/链接以获取数据，Selenium可以为我们执行此操作。
2.使用HTTP库
与第一种方法不同，HTTP库（例如Requests模块或Urllib）允许您发送HTTP请求，完全不需要打开任何浏览器。 这种方法应该始终是首选，因为它比Selenium快得多。
现在让我告诉您如何使用Selenium和Requests库实现管道这个组件：
使用Requests
使用以下命令安装Requests模块：
现在您可以在代码中使用它，如下所示：
这里，对URL进行HTTP GET请求，这几乎与下载网页同义。 然后，我们可以通过访问requests.get方法返回的结果对象来获取页面的HTML源代码。
使用Selenium
您可以通过pip安装selenium模块：
在这里，我们首先创建一个表示浏览器的webdriver对象。 这样做会在运行代码的计算机上打开Chrome浏览器。 然后，通过调用webdriver对象的get方法，我们可以打开URL。 最后，我们通过访问webdriver对象的page_source属性来获取源代码。
在这两种情况下，URL的HTML源都作为字符串存储在page变量中。
解析HTML和提取数据
不必深入计算机科学理论，我们可以将解析定义为分析字符串的过程，以便我们可以理解其内容，从而轻松访问其中的数据。
在Python中，有两个库可以帮助我们解析HTML：BeautifulSoup和Lxml。 Lxml是一个比BeautifulSoup更低级的框架，我们可以在BeautifulSoup中使用Lxml作为后端，因此对于简单的HTML解析，BeautifulSoup将是首选的库。
但在我们深入分析之前，我们必须分析网页的HTML，看看我们想要抓取的数据是如何构建和定位的。只有当我们掌握了这些信息时，我们才能从解析的HTML中获取我们想要的信息。但幸运的是，我们不必在编辑器中打开源代码，并手动理解每个HTML元素并将其与渲染页面中的相应数据相关联。大多数浏览器都提供了一个检查器，比如Chrome的开发人员工具，它使我们只需单击它们即可快速查看任何元素的HTML代码。
要在Chrome中执行此操作，请在Chrome中打开网页，然后右键单击要抓取的数据，然后选择“检查”。在Firefox中，此选项称为Inspect Element - 这是在做相同的事情，但只是名称不同。
您会注意到Chrome窗口底部打开了一个窗格，其中包含您单击的元素的源代码。 浏览一下源代码，了解我们想要抓取的数据是如何在HTML代码中构建的。
经过一些检查后你可以理解，http://quotes.toscrape.com/上的每个引用都包含在一个带有class =“quote”属性的div中。 在该div中，引用的文本在class =“text”的范围内，作者的名称在class =“author”的小标签中。 当我们实际解析HTML并提取数据时，将需要此信息。
现在，让我们开始使用BeautifulSoup解析HTML页面。 但首先，我们必须安装它：
安装好之后，可以像下面这样在代码中调用：
首先，我们通过将页面传递给BeautifulSoup类构造函数来创建页面的解析版本。 如您所见，我们还将第二个参数html.parser传递给构造函数。 这是Beautiful Soup将用于解析传递给它的字符串的解析器的名称。 你可以使用我们之前谈到过的解析器lxml，因为你已经安装了Lxml库。
然后，我们提取包含class =“quote”的页面中的所有div标签，因为我们知道这些是包含引用的div。 为此，Beautiful Soup 4提供了find_all功能。 我们将标记名称和类名称传递给find_all函数，并返回满足条件的所有标记，即包含引用的标记。
这里需要注意的一件重要事情是，我们在这里使用树结构。 变量soup以及引用的每个元素都是树。 在某种程度上，引用的元素是较大的soup树的一部分。 无论如何，为避免进入不同的讨论，让我们继续。
我们知道引用的文本是带有class =“text”的span标记，而作者是带有class =“author”的小标记。 要从quote元素中提取它们，我们再次使用类似的函数find。 find函数使用与find_all函数相同的参数。 唯一的区别是它返回满足条件的第一个标记，而find_all返回标记列表。 此外，我们希望访问返回对象的text属性，该对象包含该标记中包含的文本。
因此，正如您在代码中看到的那样，我们遍历列表引用的所有元素，并提取引用文本和作者名称，将它们存储在名称为scraped的列表。 在控制台上打印时，已抓取的列表如下所示：
存储检索的数据
一旦我们获得了数据，我们就可以以任何我们想要的格式存储它，例如CSV文件，SQL数据库或NoSQL数据库。 严格来说，这一步不应算作抓取过程的一部分，但为了完整起见，我将简要介绍它。
我想说最流行的存储抓取数据的方法是将它们存储为CSV电子表格，所以我将简要介绍如何做到这一点。 我不会详细介绍，因为您应该参考官方的Python文档。 所以，不用多说，让我们看看代码。
我们可以看到，代码非常明显。 我们从打开的quotes.csv文件创建一个CSV编写器对象，然后使用writerow函数逐个写入引用。 很明显，writerow函数接受一个列表作为输入，然后将其作为一行写入CSV。
结论和后续步骤
本教程应该帮助您了解在学习自己实现简单的scraper时基本上是什么。 这种抓取应该足以实现简单的自动化或小规模数据检索。 但是如果你想有效地提取大量数据，你应该研究一下抓取框架，特别是Scrapy。 它可以帮助您使用几行代码编写非常快速，高效的scraper。 无论你使用什么样的框架，在那个闪亮的表面下面，框架也使用这些非常基本的抓取原则，所以理解本教程应该可以帮助你为开始抓取的探险建立基础知识。
英文原文：https://stackabuse.com/introduction-to-web-scraping-with-python/
译者：javylee
者：Kerry Parker
翻译：田晓宁
校对：丁楠雅
本文约2900字，建议阅读10分钟。
本教程以在Fast Track上收集百强公司的数据为例，教你抓取网页信息。
作为一名数据科学家，我在工作中所做的第一件事就是网络数据采集。使用代码从网站收集数据，当时对我来说是一个完全陌生的概念，但它是最合理、最容易获取的数据来源之一。经过几次尝试，网络抓取已经成为我的第二天性，也是我几乎每天使用的技能之一。
在本教程中，我将介绍一个简单的例子，说明如何抓取一个网站，我将从Fast Track上收集2018年百强公司的数据：
Fast Track：http://www.fasttrack.co.uk/
使用网络爬虫将此过程自动化，避免了手工收集数据，节省了时间，还可以让所有数据都放在一个结构化文件中。
用Python实现一个简单的网络爬虫的快速示例，您可以在GitHub上找到本教程中所介绍的完整代码。
GitHub链接：https://github.com/kaparker/tutorials/blob/master/pythonscraper/websitescrapefasttrack.py
以下是本文使用Python进行网页抓取的简短教程概述：
准备开始
在开始使用任何Python应用程序之前，要问的第一个问题是：我需要哪些库？
对于web抓取，有一些不同的库需要考虑，包括：
在本例中我们使用Beautiful Soup。你可以使用Python包管理器 pip 安装Beautiful Soup：
pip install BeautifulSoup4
安装好这些库之后，让我们开始吧！
检查网页
要知道在Python代码中需要定位哪些元素，首先需要检查网页。
要从Tech Track Top 100 companies收集数据，可以通过右键单击感兴趣的元素来检查页面，然后选择检查。这将打开HTML代码，我们可以在其中看到每个字段包含在其中的元素。
Tech Track Top 100 companies链接：http://www.fasttrack.co.uk/league-tables/tech-track-100/league-table/
右键单击感兴趣的元素并选择“Inspect”，显示html元素。
由于数据存储在一个表中，因此只需几行代码就可以直接获取数据。如果您想练习抓取网站，这是一个很好的例子，也是一个好的开始，但请记住，它并不总是那么简单！
所有100个结果都包含在<tr> 元素的行中，并且这些在一页上都可见。情况并非总是如此，当结果跨越多个页面时，您可能需要更改网页上显示的结果数量，或者遍历所有页面以收集所有信息。
League Table网页上显示了包含100个结果的表。检查页面时，很容易在html中看到一个模式。结果包含在表格中的行中：
<table class="tableSorter">
重复的行<tr> 将通过在Python中使用循环来查找数据并写入文件来保持我们的代码最小化！
附注：可以做的另一项检查是网站上是否发出了HTTP GET请求，该请求可能已经将结果作为结构化响应（如JSON或XML格式）返回。您可以在检查工具的网络选项卡中进行检查，通常在XHR选项卡中进行检查。刷新页面后，它将在加载时显示请求，如果响应包含格式化结构，则使用REST客户端（如Insomnia）返回输出通常更容易。
刷新网页后，页面检查工具的网络选项卡
使用Beautiful Soup解析网页html
现在您已经查看了html的结构并熟悉了将要抓取的内容，是时候开始使用Python了！
第一步是导入将用于网络爬虫的库。我们已经讨论过上面的BeautifulSoup，它有助于我们处理html。我们导入的下一个库是urllib，它连接到网页。最后，我们将输出写入csv，因此我们还需要导入csv 库。作为替代方案，可以在此处使用json库。
# import librariesfrom bs4 import BeautifulSoupimport urllib.requestimport csv
下一步是定义您正在抓取的网址。如上一节所述，此网页在一个页面上显示所有结果，因此此处给出了地址栏中的完整url：
# specify the urlurlpage = 'http://www.fasttrack.co.uk/league-tables/tech-track-100/league-table/'
然后我们建立与网页的连接，我们可以使用BeautifulSoup解析html，将对象存储在变量'soup'中：
# query the website and return the html to the variable 'page'page = urllib.request.urlopen(urlpage)# parse the html using beautiful soup and store in variable 'soup'soup = BeautifulSoup(page, 'html.parser')
我们可以在这个阶段打印soup变量，它应该返回我们请求网页的完整解析的html。
print(soup)
如果存在错误或变量为空，则请求可能不成功。可以使用urllib.error模块在此时实现错误处理。
搜索html元素
由于所有结果都包含在表中，我们可以使用find 方法搜索表的soup对象。然后我们可以使用find_all 方法查找表中的每一行。
如果我们打印行数，我们应该得到101的结果，100行加上标题。
# find results within tabletable = soup.find('table', attrs={'class': 'tableSorter'})results = table.find_all('tr')print('Number of results', len(results))
因此，我们可以对结果进行循环以收集数据。
打印soup对象的前两行，我们可以看到每行的结构是：
<tr><th>Rank</th><th>Company</th><th class="">Location</th><th>Year end</th><th class="" style="text-align:right;">Annual sales rise over 3 years</th><th class="" style="text-align:right;">Latest sales £000s</th><th class="" style="text-align:right;">Staff</th><th class="">Comment</th><!-- <th>FYE</th>--></tr><tr><td>1</td><td><a href="http://www.fasttrack.co.uk/company_profile/wonderbly-3/"><span>Wonderbly</span></a>Personalised children's books</td><td>East London</td><td>Apr-17</td><td style="text-align:right;">294.27%</td><td style="text-align:right;">*25,860</td><td style="text-align:right;">80</td><td>Has sold nearly 3m customisable children’s books in 200 countries</td><!-- <td>Apr-17</td>--></tr>
表格中有8栏：Rank，Company，Location，Year End，Annual Sales Rise，Latest Sales, Staff and Comments，所有这些都是我们可以保存的感兴趣的数据。
网页的所有行的结构都是一致的（对于所有网站来说可能并非总是如此！）。因此，我们可以再次使用find_all 方法将每一列分配给一个变量，那么我们可以通过搜索<td> 元素来写入csv或JSON。
循环遍历元素并保存变量
在Python中，将结果附加到一个列表中是很有用的，然后将数据写到一个文件中。我们应该在循环之前声明列表并设置csv的头文件，如下所示：
# create and write headers to a list rows = []rows.append(['Rank', 'Company Name', 'Webpage', 'Description', 'Location', 'Year end', 'Annual sales rise over 3 years', 'Sales £000s', 'Staff', 'Comments'])print(rows)
这将打印出我们添加到包含标题的列表的第一行。
你可能会注意到表格中有一些额外的字段Webpage和Description不是列名，但是如果你仔细看看我们打印上面的soup变量时的html，那么第二行不仅仅包含公司名称。我们可以使用一些进一步的提取来获取这些额外信息。
下一步是循环结果，处理数据并附加到可以写入csv的rows。
在循环中查找结果：
# loop over resultsfor result in results: # find all columns per result data = result.find_all('td') # check that columns have data if len(data) == 0: continue
由于表中的第一行仅包含标题，因此我们可以跳过此结果，如上所示。它也不包含任何<td>元素，因此在搜索元素时，不会返回任何内容。然后，我们可以通过要求数据的长度为非零来检查是否只处理包含数据的结果。
然后我们可以开始处理数据并保存到变量中。
# write columns to variables rank = data[0].getText() company = data[1].getText() location = data[2].getText() yearend = data[3].getText() salesrise = data[4].getText() sales = data[5].getText() staff = data[6].getText() comments = data[7].getText()
以上只是从每个列获取文本并保存到变量。但是，其中一些数据需要进一步清理以删除不需要的字符或提取更多信息。
数据清理
如果我们打印出变量company，该文本不仅包含公司名称，还包含描述。我们然后打印sales，它包含不需要的字符，如脚注符号，最好删除。
print('Company is', company) # Company is WonderblyPersonalised children's books print('Sales', sales) # Sales *25,860
我们希望将company 分为公司名称和描述，我们可以用几行代码实现。再看一下html，对于这个列，有一个 <span> 元素只包含公司名称。此列中还有一个链接指向网站上的另一个页面，其中包含有关该公司的更多详细信息。我们将在稍后使用它！
<td><a href="http://www.fasttrack.co.uk/company_profile/wonderbly-3/"><span>Wonderbly</span></a>Personalised children's books</td>
要将company 分成两个字段，我们可以使用find方法保存<span>元素，然后使用strip 或replace 从company 变量中删除公司名称，这样它只留下描述。
要从sales中删除不需要的字符，我们可以再次使用strip和replace 方法！
# extract description from the name companyname = data[1].find('span', attrs={'class':'company-name'}).getText() description = company.replace(companyname, '') # remove unwanted characters sales = sales.strip('*').strip('†').replace(',','')
我们要保存的最后一个变量是公司网站。如上所述，第二列包含指向另一个页面的链接，该页面具有每个公司的概述。 每个公司页面都有自己的表格，大部分时间都包含公司网站。
检查公司页面上的url元素
要从每个表中抓取url并将其保存为变量，我们需要使用与上面相同的步骤：
查看一些公司页面，如上面的屏幕截图所示，网址位于表格的最后一行，因此我们可以在最后一行内搜索<a>元素。
# go to link and extract company website url = data[1].find('a').get('href') page = urllib.request.urlopen(url) # parse the html soup = BeautifulSoup(page, 'html.parser') # find the last result in the table and get the link try: tableRow = soup.find('table').find_all('tr')[-1] webpage = tableRow.find('a').get('href') except: webpage = None
也有可能出现公司网站未显示的情况，因此我们可以使用try except条件，以防万一找不到网址。
一旦我们将所有数据保存到变量中，我们可以在循环中将每个结果添加到列表rows。
# write each result to rows rows.append([rank, company, webpage, description, location, yearend, salesrise, sales, staff, comments])print(rows)
然后可以试着在循环外打印变量，在将其写入文件之前检查它是否符合您的预期！
写入输出文件
如果想保存此数据以进行分析，可以用Python从我们列表中非常简单地实现。
# Create csv and write rows to output filewith open('techtrack100.csv','w', newline='') as f_output: csv_output = csv.writer(f_output) csv_output.writerows(rows)
运行Python脚本时，将生成包含100行结果的输出文件，您可以更详细地查看这些结果！
尾语
这是我的第一个教程，如果您有任何问题或意见或者不清楚的地方，请告诉我！
原文标题：
Data Science Skills: Web scraping using python
原文链接:
https://towardsdatascience.com/data-science-skills-web-scraping-using-python-d1a85ef607ed
译者简介
田晓宁，质量管理专家，国际认证精益六西格玛黑带，19年从业经验；软件工程专家，拥有CMMI ATM证书，曾主导公司通过CMMI 5级评估；精通ISO9000和ISO27000体系，长期担任公司质量和信息安全主任审核员，每年审核超过50个项目或部门；拥有PMP证书，担任公司项目管理内训师，具有项目管理和系统开发实战经验。
— 完 —
关注清华-青岛数据科学研究院官方微信公众平台“THU数据派”及姊妹号“数据派THU”获取更多讲座福利及优质内容。
者 | hoxis
责编 | 郭芮
是不是有的时候懒得自己看新闻？那么不妨试试用 Python 来朗读给你听吧。
网页转换成语音，步骤无外乎：
网页正文识别
之所以用 Python，就是因为 Python 有着丰富的库，网页正文识别也不在话下。这里我尝试了 readability、goose3。
1.1 readability
readability 支持 Python3，使用 pip install readability-lxml 安装即可。
readability 使用起来也很方便：
import requests
from readability import Document
response = requests.get('http://news.china.com/socialgd/10000169/20180616/32537640_all.html')
doc = Document(response.text)
print(doc.title())
但是 readability 提取到的正文内容不是文本，里面仍包含 HTML 标签。
当然也可以结合其他组件再对 HTML 进行处理，如 html2text，我们这里就不再延伸，有兴趣的可以自行尝试。
1.2 goose3
Goose 本来是一个用 Java 编写的文章提取器，后来就有了 Python 实现版： goose3 。
使用起来也很方便，同时对中文支持也不错。使用 pip install goose3 即可安装。
>>> from goose3 import Goose
>>> from goose3.text import StopWordsChinese
>>> url = 'http://news.china.com/socialgd/10000169/20180616/32537640_all.html'
>>> g = Goose({'stopwords_class': StopWordsChinese})
>>> article = g.extract(url=url)
>>> print(article.cleaned_text[:150])
北京时间6月15日23:00(圣彼得堡当地时间18:00)，2018年世界杯B组一场比赛在圣彼得堡球场展开角逐，伊朗1比0险胜摩洛哥，伊朗前锋阿兹蒙半场结束前错过单刀机会，鲍哈杜兹第95分钟自摆乌
龙。这是伊朗20年来首度在世界杯决赛圈取胜。
本届世界杯，既相继出现替补便进球，贴补梅开二度以及东道主
可以看出网页正文提取效果还不错，基本满足我们的要求，可以使用！
注意：goose 还有另外一个 Python2 的版本：Python-Goose，使用方法和 goose3 基本一样。
文本转语音
文本转语音，百度、阿里、腾讯、讯飞等都有提供 REST API 接口，阿里和腾讯的申请相对时间较长，阿里的貌似还要收费，百度和讯飞的在线申请后即可使用。
没办法，好的东西得来总是要曲折一些。其中百度的没有调用量的限制（其实默认是 200000 次/天），讯飞有每天 500 次的限制。
这里我们使用百度的 REST API 接口中的语言合成接口，一方面原因是百度的调用次数没有限制，另一方面，我看了下讯飞的接口文档，接口限制还是比较多的。还有就是百度提供了 REST API 的 Python 封装，使用也更方便。
2.1 baidu-aip 的使用
百度提供了 Python SDK，使用 pip install baidu-aip 可以直接安装。接口的使用可以参考接口文档：http://ai.baidu.com/docs#/TTS-Online-Python-SDK/top。
使用示例如下：
from aip import AipSpeech
"""
你的 APPID AK SK
均可在服务控制台中的应用列表中查看。
"""
APP_ID = '你的 App ID'
API_KEY = '你的 Api Key'
SECRET_KEY = '你的 Secret Key'
client = AipSpeech(APP_ID, API_KEY, SECRET_KEY)
result = client.synthesis('你好，你在做什么', 'zh', 3, {
'vol': 5,
})
# 识别正确返回语音二进制 错误则返回dict 参照下面错误码
if not isinstance(result, dict):
with open('auido.mp3', 'wb') as f:
f.write(result)
接口参数：
参数类型描述必传texString合成的文本，使用UTF-8编码，请注意文本长度必须小于1024字节是langString语言选择,填写zh是ctpString客户端类型选择，web端填写1是cuidString用户唯一标识，用来区分用户，填写机器 MAC 地址或 IMEI 码，长度为60以内否spdString语速，取值0-9，默认为5中语速否pitString音调，取值0-9，默认为5中语调否volString音量，取值0-15，默认为5中音量否perString发音人选择,0为女声，1为男声，3为情感合成-度逍遥，4为情感合成-度丫丫，默认为普通女否
接口对单次传入的文本进行了限制，合成文本长度必须小于 1024 字节，如果文本长度过长，就需要进行切割处理，采用多次请求的方式，分别转换成语音文件，最后再将多个语音文件合并成一个。
2.2 文本切割
可以使用如下代码将文本分割成多个长度为 500 的文本列表
# 将文本按 500 的长度分割成多个文本 text_list = [text[i:i+500] for i in range(0, len(text), 500)]
2.3 语言文件合并
我们使用 pydub 来处理生成的音频文件。使用 pip install pydub 即可安装。
另外还 Ubuntu 环境需要安装依赖的，使用 sudo apt-get install libav-tools 安装即可.而在 Windows 环境需要到 https://ffmpeg.zeranoe.com/builds/ 下载 FFmpeg，并将其配置到环境变量中。
若还有问题，可以参考官网配置：https://github.com/jiaaro/pydub。
# 合并音频文件
def merge_voice(file_list):
voice_dict = {}
song = None
for i,f in enumerate(file_list):
if i == 0:
song = AudioSegment.from_file(f,"mp3")
else:
# 拼接音频文件
song += AudioSegment.from_file(f,"mp3")
# 删除临时音频
os.unlink(f)
# 导出合并后的音频文件，格式为MP3格式
file_name = str(uuid.uuid1()) + ".mp3"
song.export(file_name, format="mp3")
return file_name
通过百度的接口，我们可以将文字转化成音频文件，下面的问题就是如何播放音频文件。
音频文件播放
网上获取到 Python 播放 wav 文件的方式由好几种，包括 pyaudio、pygame、winsound、playsound。不过测试下来，只有 playsound 成功。其他方式有兴趣的可以试下，有问题可以留言交流。
使用 pip install playsound 安装后即可使用。
使用也很简单：
>>> from playsound import playsound
>>> playsound('/path/to/a/sound/file/you/want/to/play.mp3')
说明：音频的播放需要在图形化页面下运行，因为命令行模式下，没有播放声音的出口。
python page2voice.py -u "https://so.gushiwen.org/shiwenv_c244fc77f6fb.aspx"
运行后，代码就会自动解析网页并进行朗读啦。
总结
至此，网页到音频的转换就结束了。当然程序没有这么完美，比如中英文混合的网页解析和转换的结果就不怎么理想，但是纯中文的新闻页面效果还是不错的。源码已上传至 GitHub：
https://github.com/hoxis/to_voice/blob/master/page2voice.py
作者：不正经程序员，现在是一名小小的开发工程师，工作主要用 Java、Python，平时除了喜欢钻研专业技术外，业余也会鼓捣下程序员周边，比如读书、效率工具、理财等等等等。 欢迎关注，共同进步！
声明：本文为作者投稿，版权归对方所有。
*请认真填写需求信息，我们会在24小时内与您取得联系。
