python 批量爬取网页pdf_批量抓取网页pdf文件

任务：批量抓取网页pdf文件

有一个excel，里面有数千条指向pdf下载链接的网页地址，现在，需要批量抓取这些网页地址中的pdf文件。

python环境：

anaconda3

openpyxl

beautifulsoup4

读取excel，获取网页地址

使用openpyxl库，读取.xslx文件；

(曾尝试使用xlrd库读取.xsl文件，但无法获取超链接)

安装openpyxl

pip install openpyxl

提取xslx文件中的超链接

示例文件构造

公告日期

证券代码

公告标题

2018-04-20

603999.SH

2018-04-28

603998.SH

def readxlsx(path):

workbook = openpyxl.load_workbook(path)

Data_sheet = workbook.get_sheet_by_name('sheet1')

rowNum = Data_sheet.max_row #读取最大行数

c = 3 # 第三列是所需要提取的数据

server = 'http://news.windin.com/ns/'

for row in range(1, rowNum + 1):

link = Data_sheet.cell(row=row, column=c).value

url = re.split(r&