前言
不管是作为学生还是职场打工人作,我们都会要制作和使用ppt ,每次制作 ppt 一搞就是一半天,真的很愁人,网上模板免费的太丑,付费的要钱,害,难呐哈哈哈!!
今天就教大家一招,用 python 爬虫采集 1 万份『ppt 模板』,以后制作 ppt 再也不烦人了!!!
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
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 requestsfrom 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("\n", '').replace(" ", '') href = i.xpath('.//a/@href')[0].replace("\n", '').replace(" ", '') print(title) print(href) print("----------------")
复制代码
遍历时需要获取每一个 ppt 模板 url(title)**和**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
复制代码
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.textselector = etree.HTML(text)href = selector.xpath('//*[@class="download-url"]/a/@href')[0]print(href)
复制代码
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)
复制代码
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("\n", '').replace(" ", '') href = i.xpath('.//a/@href')[0].replace("\n", '').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!