❤️再也不用担心PPT模板下载问题，python爬虫 PPT模板批量下载❤️

最新推荐文章于 2023-11-23 14:42:13 发布

很迷眼

最新推荐文章于 2023-11-23 14:42:13 发布

阅读量1.6k

点赞数

分类专栏： Python 文章标签： python 爬虫

本文链接：https://blog.csdn.net/m0_55593211/article/details/119485375

版权

Python 专栏收录该内容

16 篇文章 2 订阅

订阅专栏

最近工作中要使用PPT，但是模板搞不定怎么办，嘿嘿，直接批量下载，各种模板随便安排。

找了很多PPT模板网站，发现大多数网站都要登陆和vip才可以下载到想要的模板。后来发现这个网站不需要登陆和vip也可以下载符合自己要求的模板，小白制作，刚开始学python 代码有点冗余。

https://www.ypppt.com/moban/

在这里插入图片描述

0x01 爬虫思路

1.获取所有的模板url
2.遍历每页ppt模板并获取子页url
3.根据遍历到的子页url可以查到下载的url
4.使用获取到的下载url进行下载模板

0x02 遍历所有的模板url的接口和总页数

1.查看response发现子页的api接口在`class="p-title"`的`href`里面，只要提取出`href`的内容就可以打开对应模板的子页了。

在这里插入图片描述

打开的子页面，发现点击下载这个按钮可以进入下载页面，这个请查看0x03

在这里插入图片描述

2.发现简约模板有12页，页数在`div class="page-navi"`里面

在这里插入图片描述

0x03 根据子页url查找下载模板的url和下载模板

1.打开`点击下载`跳转到下载模板页面

在这里插入图片描述

这里就是模板下载的url地址了，复制这个地址就可以下载模板了

在这里插入图片描述

下载模板的url发现有两个，并且还都一样，我们提取一个就行

在这里插入图片描述

最后就是下载模板了，这是脚本运行后的下载结果

附上脚本

# 这是第1节，获取url的脚本，命名为ppt_url.py
# _*_ coding:utf-8 _*_
import requests
from bs4 import BeautifulSoup

headers = {
    'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko)Chrome/92.0.4515.107 Safari/537.36 ',
}

def get_ppt(muban, page_number):
    """
    :param muban: 模板对应的url字符串
    :param page_number: 此模板类型的页数
    :return:
    """
    url = 'https://www.ypppt.com/moban/{name}/{page}'.format(name=muban, page=page_number)
    res = requests.get(url, headers=headers)
    res.encoding = res.apparent_encoding  # 解决'gbk'编解码器不能编码字符'\xe7'问题
    soup = BeautifulSoup(res.text, 'html5lib')
    html_find = soup.find('ul', class_='posts clear')
    ppt_list = html_find.find_all(class_='p-title')
    list_result = []
    name_result = []
    for i in ppt_list:
        list_result.append('https://www.ypppt.com' + i.get('href'))
        name_result.append(i.string)
    return list_result, name_result


def page_num(name_muban):
    """
    :param name_muban: 模板对应的url字符串
    :return:
    """
    url = 'https://www.ypppt.com/moban/{name}/'.format(name=name_muban)
    res = requests.get(url, headers=headers)
    res.encoding = res.apparent_encoding  # 解决'gbk'编解码器不能编码字符'\xe7'问题
    soup = BeautifulSoup(res.text, 'html5lib')
    html_find = soup.find('div', class_="page-navi")
    html_list = html_find.find_all('a')
    page_list = set()
    for s in html_list:
        page_list.add(s.get('href'))
    return page_list


def muban_name(name):
    """
    # 这里可以优化，可以提取response的模板名称，这样就可以不用写这么多判断了
    :param name: 对应模板判断
    :return:
    """
    if name == '简约模板':
        return 'jianyue'
    if name == '商务模板':
        return 'shangwu'
    if name == '自我介绍':
        return 'jieshao'
    if name == '开题报告':
        return 'kaiti'
    if name == '职业规划':
        return 'zhiye'
    if name == '精美模板':
        return 'jingmei'
    if name == '公司介绍':
        return 'gongsi'
    if name == '个人简历':
        return 'jianli'
    if name == '培训课件':
        return 'peixun'
    if name == '动态模板':
        return 'dongtai'
    if name == '总结汇报':
        return 'zongjie'
    if name == '述职报告':
        return 'shuzhi'
    if name == '论文答辩':
        return 'lunwen'
    if name == '优秀作品':
        return 'zuopin'
    if name == '中国风':
        return 'zhongguo'
    if name == '公司企业':
        return 'qiye'
    if name == '教育教学':
        return 'jiaoyu'
    if name == '经济金融':
        return 'jingji'
    if name == '网络科技':
        return 'kexue'
    if name == '建筑地产':
        return 'jianzhu'
    if name == '体育运动':
        return 'tiyu'
    if name == '自然风景':
        return 'ziran'
    if name == '环境保护':
        return 'huanjing'
    if name == '读书笔记':
        return 'gongye'
    if name == '医学医疗':
        return 'yixue'
    if name == '旅游旅行':
        return 'lvyou'
    if name == '动物模板':
        return 'dongwu'
    if name == '植物模板':
        return 'zhiwu'
    if name == '美食水果':
        return 'shiwu'
    if name == '艺术抽象':
        return 'yishu'
    if name == '党建工作':
        return 'dangjian'
    if name == '婚礼爱情':
        return 'hunli'
    if name == '卡通风格':
        return 'katong'
    if name == '影视音乐':
        return 'yingshi'
    if name == '社会生活':
        return 'shenghuo'

# 这里是第2节，下载ppt的脚本，名称为download_ppt.py
# coding=utf-8

import os
import requests
from bs4 import BeautifulSoup
import ppt_url as ppt_muban
from urllib.parse import urlparse

headers = {
    'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko)Chrome/92.0.4515.107 Safari/537.36 ',
}

def api_ppt(ppt_url):
    """
    :param ppt_url: PPT的正文url
    :return: ppt下载页面api接口
    """
    url = ppt_url
    res = requests.get(url)
    res.encoding = res.apparent_encoding
    soup = BeautifulSoup(res.text,'html5lib')
    html_div = soup.find('div', class_="button")
    ppt_api = html_div.find_all('a')
    return 'https://www.ypppt.com' + ppt_api[0].get('href')

def ppt_download_url(api_url):
    """
    :param api_url: 下载PPT的url，例：https://www.ypppt.com/p/d.php?aid=6324
    :return: 下载地址的url，可以直接下载ppt模板
    """
    url = api_url
    res = requests.get(url)
    res.encoding = res.apparent_encoding
    soup = BeautifulSoup(res.text, 'html5lib')
    html_li = soup.find('ul', class_="down clear")
    download_url = html_li.find_all('a')
    return download_url[0].get('href') or download_url[1].get('href')

def download_zip(download_url):
    """
    :param download_url: 下载ppt压缩包的url
    :return: 下载得到PPT压缩文件
    """
    try:
        url = download_url
        res = requests.get(url).content
        file_spilt = urlparse(url)
        filepath, filepathname = os.path.split(file_spilt.path)
        with open(file_download_path + "/" + muban + "_" + filepathname, 'wb') as f:
            f.write(res)
            # f.close()
        print('下载 ' + filepathname + ' 成功')
    except Exception as z:
        print(z)


if __name__ == "__main__":
    print("""请输入以下模板的对应名称获取链接：
    【简约模板、商务模板、自我介绍、开题报告、职业规划、精美模板、公司介绍、个人简历、培训课件、动态模板、总结汇报、述职报告、论文答辩
    优秀作品、中国风、公司企业、教育教学、经济金融、网络科技、建筑地产、体育运动、自然风景、环境保护、读书笔记、医学医疗、旅游旅行
    动物模板、植物模板、美食水果、艺术抽象、党建工作、婚礼爱情、卡通风格、影视音乐、社会生活】""")
    muban = input('请输入上面模板名称（仅支持选择1个模板名称）:')
    z = ppt_muban.muban_name(muban)
    # print(z)
    ppt_muban.get_ppt(z, '')
    a = ppt_muban.page_num(z)
    file_download_path = 'PPT模板'
    if not os.path.exists(file_download_path):
        os.mkdir(file_download_path)
    for i in a:
        r = ppt_muban.get_ppt(z, i)
        for x in r[0]:
            y = api_ppt(x)
            download = ppt_download_url(y)
            download_zip(download)

原始脚本下载：https://download.csdn.net/download/m0_55593211/20825209

很迷眼

关注

0
点赞
踩
5

收藏

觉得还不错? 一键收藏
0
评论
❤️再也不用担心PPT模板下载问题，python爬虫 PPT模板批量下载❤️

最近工作中要使用PPT，但是模板搞不定怎么办，嘿嘿，直接批量下载，各种模板随便安排。找了很多PPT模板网站，发现大多数网站都要登陆和vip才可以下载到想要的模板。后来发现这个网站不需要登陆和vip也可以下载符合自己要求的模板，小白制作，刚开始学python 代码有点冗余。https://www.ypppt.com/moban/0x01 爬虫思路1.获取所有的模板url2.遍历每页ppt模板并获取子页url3.根据遍历到的子页url可以查到下载的url4.使用获取到的下载url进行下载模板
复制链接

扫一扫