编程都是为了解决问题，下载网页的特定部分并保存成 PDF 该如何做呢？

[Chigogo]

比如我想下载某个网页
http://www.economist.com/news/china/21645839-prime-minister-seeks-lower-expectations-economy-go-slow

下载后，只留下正文部分。

存储为PDF文档。

如何编程让这个过程自动化？

[liuhaotian]

curl 获取网页，正则匹配包含正文id的容器，生成pdf。
生成pdf可以直接用轮子。

[liuhaotian]

轮子：
http://fpdf.org/
/t/89595

[liuhaotian]

@Livid
这个在做链接自动匹配的时候是刻意把两个相邻链接的\n转成空格的还是匹配的时候替换有问题？

[Chigogo]

@liuhaotian JS 可行吗？一定要学习Python吗？

[Chigogo]

@liuhaotian 看到了，用PHP，OK

[Draplater]

要提取"正文部分"已经涉及到数据挖掘了。这个可以用readability完成。正文匹配并不容易，可能不台精确。
readability有python port，例如：
https://pypi.python.org/pypi/readability-lxml
接下来把文字转换成pdf就是很简单的事情了，参考：
http://www.interfaceware.com/manual/python_text_to_pdf.html

[Chigogo]

@Draplater 可以一步到位吗？下载某个特定的网站的正文，正文问题很好解决的。但是下载，存储PDF 这两部可以一步到位吗？

[manhere]

casperjs搞定一切