python批量下载pdf

又是一个python小技巧

美赛的结果公布了，想要对学校的参赛人员进行证书打印发放，让他们一个个去把证书提交再汇总打印制作封皮显然太浪费时间。由于美赛的证书只和队伍控制号有关，所以很显然可以用python来进行批量下载。用到的包主要有urllib。参考了CSDN技能树python入门版网络爬虫的课程。具体代码如下

# coding = UTF-8
# 爬取2022美赛证书pdf

import urllib.request
import re
import os


# open the url and read
def getHtml(url):
    page = urllib.request.urlopen(url)
    html = page.read()
    page.close()
    return html


def getFile(url):
    file_name = url.split('/')[-1]
    try:
        u = urllib.request.urlopen(url)
    except urllib.error.HTTPError:
        # 碰到了匹配但不存在的文件时，提示并返回
        print(url, "url file not found")
        return
    block_sz = 8192
    with open(file_name, 'wb') as f:
        while True:
            buffer = u.read(block_sz)
            if buffer:
                f.write(buffer)
            else:
                break
    print("Sucessful to download" + " " + file_name)


root_url = 'https://www.comap-math.com/mcm/2022Certs/'  # 下载地址中相同的部分


if not os.path.exists('pdf_download'):
    # 文件夹不存在时，再进行创建
    os.mkdir('pdf_download')
os.chdir(os.path.join(os.getcwd(), 'pdf_download'))


for url in range(2202950,2202955):      # 任意给出控制号的范围，也可以根据自己单位的队伍号建立一个list
    url = root_url + str(url) + '.pdf'  # 形成完整的下载地址
    getFile(url)

这样的话就可以批量下载证书pdf了，里面还有队员和奖项，等有空的时候再用图像识别提取出来进行汇总，代码等有空的时候更新。