从应用的角度去学习Python--为孩子下载课本

最近，孩子上课都没有课本，老师给发的是一个微信链接，打开看可以，打印打不全。怎么办？我就想既然能看，从爬虫的角度就一定可以抓下来！

在Chrome中打开网址，好家伙！一堆的Script之类的玩意儿。经过一番查找，发现他所有的图片都在一个div中。然后， 所有的图片的url都在里边。

格式大致像下面这个样子：

https://xxx.xxx.xxx/xxxx_jpg/Yf5NpblQ4YialfPteJjMWGJtpCIGzyXuKd4zEFbAZ8eKAy9sHHFZWfaZK3mQh1XL0rdlLRdcflgxQY9ibK9BcAxw/640?wx_fmt=jpeg

 避免一些不必要的麻烦，网址我隐去了。顺便说明：咱就是为了学习，没别的。

虽然，我知道Xpath，BS4可以解决，可我还没有详细研究，所以，就用正则好了。上代码：

import requests
import re

def write_jpg(img_url, filename):
    img_data = requests.get(url=img_url, headers=headers).content
    with open('./eng/' + filename + '.jpg', 'wb') as fp:
        fp.write(img_data)

#这个网址好长好长，省略
url = 'https://mp.weixin.qq.com/...................'
headers = {
    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/78.0.3904.108 Safari/537.36'
}
#这一块先把那个div整下来
response = requests.get(url=url, headers=headers).text
str_re1 = '<div class="rich_media_content " id="js_content" style="visibility: hidden;">(.*?)</div>'
pat1 = re.compile(str_re1, re.S)
items = re.findall(pat1, response)
#再把所有的图片URL抓下来，存入Items2中
str_re2 = 'https://.*?jpeg'
pat2 = re.compile(str_re2, re.S)
items2 = re.findall(pat2, items[0])
#然后，把每一张图片下载下来，存入eng目录中
for i in range(0, len(items2)):
    write_jpg(items2[i], str(i))
    print("the %d page downloads successful!" % i)

不一会，几十张图片下载完毕，本来想一次存入Word中，打印文档。后来想，还不如生成一个PDF。轮子肯定有人造好了。百度！果然有个img2pdf库已经为我准备好了。

还是上代码吧！

import img2pdf
import os

def gen_file_list(dir_s):
    f_list = os.listdir(dir_s)
    for i in range(0, len(f_list)):
        f_list[i] = dir_s + '/' + f_list[i]
    return f_list

sourc_dir = './eng'
# print(gen_file_list(sourc_dir))


a4input = (img2pdf.mm_to_pt(210), img2pdf.mm_to_pt(297))
layout_fun = img2pdf.get_layout_fun(a4input)

with open('english6x.pdf', 'wb') as f:
    f.write(img2pdf.convert(gen_file_list(sourc_dir), layout_fun=layout_fun))

代码不复杂，我就不解释了。之所以把这个东西发上来，主要是感觉学东西，还是从实用角度比较快，也比较容易有成就感！