Python爬虫-ppt全站爬取

Python爬虫-ppt全站爬取

import re
import requests
wz = {'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/116.0.0.0 Safari/537.36'}

page = 1
# 1.请求ppt模板的总页面 https://www.ypppt.com/moban/  找到很多个下载页面的网址
while True:
    if page == 1:
        url1 = 'https://www.ypppt.com/moban/'
    else:
        url1 = f'https://www.ypppt.com/moban/list-{page}.html'
    res = requests.get(url1, headers=wz)
    res.encoding = 'utf-8'  # python最常用最常用的编码 万国码!

    aids = re.findall('<a href="/article/.*?/(.*?).html" class="p-title"', res.text)
    if not aids:
        break
    titles = re.findall('class="p-title" target="_blank">(.*?)</a>', res.text)

    for i in range(len(aids)):
        url2 = 'https://www.ypppt.com/p/d.php?aid=' + aids[i]   # 每一个编号aids[i]
        res = requests.get(url2, headers=wz)                    # 请求这个链接 找到下载地址
        download_url = re.findall('<li><a href="(.*?)">下载地址1</a></li>', res.text)
        res = requests.get(download_url[-1], headers=wz)        # 请求下载的链接 保存在文件中
        open(f'PPT模板/{titles[i]}.zip', 'wb').write(res.content)       # 每一个标题titles[i]
        print(f'已经下载{titles[i]}.zip~~~')
    page += 1















# url2 = 'https://www.ypppt.com/p/d.php?aid=' + aid


# 2.请求下载页面的网址 https://www.ypppt.com/p/d.php?aid=6157 找到下载地址
# 3.https://down.ypppt.com/uploads/soft/200617/1-20061H34358.zip 下载文件



  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 1
    评论
好的,我可以为您介绍一下如何使用 Python 爬虫爬取房产数据并保存到本地。 首先,您需要选择一个合适的网站来进行爬取。例如,可以选择链家网、安居客等房产网站。然后,您需要分析该网站的页面结构和数据请求方式,确定需要爬取哪些数据,以及如何获取这些数据。 接着,您可以使用 Python 的 requests 库来发送 HTTP 请求,获取网页内容。然后,可以使用 BeautifulSoup 库来解析网页内容,提取需要的数据。 最后,您可以使用 Python 的 Pandas 库将数据保存到本地的 Excel 或 CSV 文件中。以下是一个示例代码: ```python import requests from bs4 import BeautifulSoup import pandas as pd # 发送 HTTP 请求获取网页内容 url = 'https://bj.lianjia.com/ershoufang/' headers = {'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/58.0.3029.110 Safari/537.3'} response = requests.get(url, headers=headers) soup = BeautifulSoup(response.content, 'html.parser') # 解析网页内容,提取需要的数据 house_list = soup.find_all('div', {'class': 'info'}) data = [] for house in house_list: name = house.find('div', {'class': 'title'}).text.strip() price = house.find('div', {'class': 'price'}).text.strip() area = house.find('div', {'class': 'houseInfo'}).text.strip() data.append([name, price, area]) # 将数据保存到本地文件 df = pd.DataFrame(data, columns=['名称', '价格', '面积']) df.to_excel('house_data.xlsx', index=False) ``` 这是一个简单的示例代码,您可以根据您需要爬取的数据和网站的不同来进行修改和优化。
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

量化张某六亿路

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值