• 教你用python爬虫下载1w+『ppt模板』,再也不用付费去购买啦!


    1. 前言

    无论是学生还是工作,都会和ppt打交道,每次制作ppt都需要去找模板,有时候ppt模板还是收费的,这......,有点恶心,哈哈哈!!

    今天教大家如何使用python爬虫爬取1万份『ppt模板』,以后制作ppt再也不怕了没有模板了!!!

    2. 相关介绍

    1.模板来源

    https://sc.chinaz.com/ppt/free_1.html
    
    

    每页20条,一共500页,共10000份ppt模板!

    2.爬虫思路

    • 先遍历每一页,获取每一个ppt模板的url。

    • 根据ppt模板的url获取下载地址。

    • 最后根据下载地址将文件下载到本地。

    3. 爬取数据

    1.遍历每一页

    通过xpath可以定位到标签class=bot-div,里面包含了ppt模板的url和名称。

    
    import requests
    from lxml import etree
     
     
    ###遍历每一页
    def getlist():
     
     
        for k in range(1,501):
            url = "https://sc.chinaz.com/ppt/free_"+str(k)+".html"
            res = requests.get(url)
            res.encoding = 'utf-8'
            text = res.text
     
     
            selector = etree.HTML(text)
            list = selector.xpath('//*[@class="bot-div"]')
            for i in list:
                title = i.xpath('.//a/text()')[0].replace("
    ", '').replace(" ", '')
                href = i.xpath('.//a/@href')[0].replace("
    ", '').replace(" ", '')
                print(title)
                print(href)
                print("----------------")
    

    遍历时需要获取每一个ppt模板url(title)名称(href)(方便下载时作为保存文件的命名)

    2.获取下载地址

    以下面url为例

    https://sc.chinaz.com/ppt/210305465710.htm
    
    

    解析下载链接

    通过xpath可以定位到标签class=download-url,里面包含了四个下载地址,其实四个都一样,选择其中一个就可以了。

    res = requests.get(url)
    res.encoding = 'utf-8'
    text = res.text
    selector = etree.HTML(text)
    href = selector.xpath('//*[@class="download-url"]/a/@href')[0]
    print(href)
    

    3.下载保存

    根据拿到的下载地址下载文件保存到本地。

    
    r = requests.get(href)
    with open(str(title)+".rar", "wb") as code:
      code.write(r.content)
    

    ok,这样就将ppt模板下载到本地了。

    下面我们开始批量下载!

    4.批量下载

    ##下载文件
    def download(url,title):
        res = requests.get(url)
        res.encoding = 'utf-8'
        text = res.text
        selector = etree.HTML(text)
        href = selector.xpath('//*[@class="download-url"]/a/@href')[0]
     
     
        r = requests.get(href)
        with open(str(title)+".rar", "wb") as code:
          code.write(r.content)
        print(str(title)+":下载完成!")
     
     
     
     
    ###遍历每一页
    def getlist():
     
     
        for k in range(1,501):
            url = "https://sc.chinaz.com/ppt/free_"+str(k)+".html"
            res = requests.get(url)
            res.encoding = 'utf-8'
            text = res.text
     
     
            selector = etree.HTML(text)
            list = selector.xpath('//*[@class="bot-div"]')
            for i in list:
                title = i.xpath('.//a/text()')[0].replace("
    ", '').replace(" ", '')
                href = i.xpath('.//a/@href')[0].replace("
    ", '').replace(" ", '')
                download("https://sc.chinaz.com/"+str(href), str(title))
    

    这样就可以将10000份ppt模板下载完毕

    4. 总结

    通过python编程实现爬取10000份ppt模板素材,以后再也不用担心制作ppt没有模板了!

    耐得住寂寞,才能登得顶
    Gitee码云:https://gitee.com/lyc96/projects
  • 相关阅读:
    第60天:Requests的基本用法
    第59天: Web 开发 Django 模型
    第58天: Web 开发 Django 入门
    第57天: Flask 用户登录 Flask-Login
    第56天:urllib 包基本使用
    第55天:爬虫的介绍
    第54天:Python 多线程 Event
    第53天: Python 线程池
    第52天:python multiprocessing模块
    第51天: Python Queue 入门
  • 原文地址:https://www.cnblogs.com/chenlove/p/15138121.html
Copyright © 2020-2023  润新知