python爬取文库,python爬取文库ppt的简单实现

背景：最近在看各种金融相关的文档，觉得还是课件ppt上讲的逻辑清晰，好理解一些，但是各个网站下载很贵，总是在线看又怕找不着了，看着这些ppt就流口水，这就想办法简单的爬下来。

实验目标下载百度文库ppt

问题：

1、https连接请求

2、页面存在未完全展开情况，即【继续阅读】需要点击

3、存在浏览器js渲染，ppt的图片连接渲染后能得到真实的

成果

下载目标：

转换结果

思想：

1、使用selenium调用谷歌浏览器，实现渲染

2、模拟点击和敲击回车事件，实现各个页面渲染

3、保存渲染后的ppt图片

4、借助pptx实现ppt操作，即ppt插入图片等操作

一、准备

下载谷歌驱动：

准备必要的第三方模块：pptx，selenium

二、初始化谷歌浏览器驱动

def init_driver():

"""

初始化驱动

可以增加请求头，模拟手机端登陆，获取到文库文字信息

:return:

"""

options = webdriver.ChromeOptions()

driver = webdriver.Chrome(BROWSER_PATH, chrome_options=options)

# options.add_argument(

# 'user-agent="Mozilla/5.0 (Linux; Android 4.0.4; \ Galaxy Nexus Bu