README_zh.md

Paper Getting 工具

一个Python脚本，用于从URL下载电赛题目并把其中的图片垂直拼接成一张组合图片。

功能

• 从URL列表下载竞赛题目网页
• 按顺序提取页面中的图片
• 垂直拼接图片以创建单个组合图片
• 将输出图片保存到 output/ 目录，并正确清理文件名
• 包含重试机制和适当的错误处理

依赖

• Python 3.x
• requests
• BeautifulSoup4
• Pillow (PIL)
• re (用于清理文件名)

安装设置

1. 安装所需包：

pip install requests beautifulsoup4 pillow

2. 激活虚拟环境（推荐）：

source .venv/bin/activate  # Linux/Mac
# 或
.venv\Scripts\activate     # Windows

3. 创建 target_urls 文件，每行写入一个要处理的URL

4. 运行脚本：

python paper_getter.py

文件说明

• paper_getter.py: 主脚本，处理较新的页面结构（2022年以后）

  • 专为处理当前页面布局而设计
  • 查找具有 content-desc 和 content-text 类的元素

• paper_getter_old.py: 专为2021年及以前竞赛题目设计的特殊脚本

  • 仅能提取2021年的赛题图片
  • 不支持2020年及以前的年份的赛题获取
  • 处理带有 newsMain-content-title 等类的旧页面结构

输出

处理后的图片保存在 output/ 目录中，文件名基于竞赛标题和时间戳，防止重复。

注意事项

• 脚本在请求之间添加延迟，以对服务器友好
• 图片以PNG格式保存，以保持质量
• 文件名经过清理，移除可能有问题的字符