《爬虫系列之爬取PPT》

这次不多BB,直接上代码系列。

import bs4
import requests

headers = {
    "user-agent": 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/109.0.0.0 Safari/537.36 Edg/109.0.1518.70'
}


def level3(URL):
    response = requests.get(URL)
    soup = bs4.BeautifulSoup(response.content, 'lxml')
    title = soup.select('dl>dt>h1>a')[0].get_text()

    zipURL = soup.select('.c1 a')[0]['href']
    zipResponse = requests.get(zipURL)
    file = open('C:\\Users\\Yezi\\Desktop\\Python\\Crawler\\PPT\\' + title + '.zip', 'wb')
    file.write(zipResponse.content)
    print(title + ' ^o^ 爬取成功 ^o^')


def level2(URL):
    response = requests.get(URL)
    soup = bs4.BeautifulSoup(response.content, 'lxml')
    level3('https://www.1ppt.com' + soup.select('.downurllist a')[0]['href'])


def level1(URL):
    response = requests.get(URL)
    soup = bs4.BeautifulSoup(response.content, 'lxml')
    ones = soup.select('.tplist h2>a')
    for one in ones:
        try:
            level2('https://www.1ppt.com' + one['href'])
        except:
            print('https://www.1ppt.com' + one['href'])

def pages():
    for page in range(10,186):
        URL='https://www.1ppt.com/xiazai/ppt_xiazai_{}.html'.format(page)
        level1(URL)
        print('^o^ 第{}页爬完 ^o^'.format(page))

pages()

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

MaolinYe(叶茂林)

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