这次实现之前的flag：爬取第一ppt网站的所有PPT，当然网站中有其他很多的学习资料，这次只爬取PPT。不仅可以平时做模板演示用，还可以练习爬虫，岂不美滋滋。闲话不多说，进入正题。

        先来说下网站（http://www.1ppt.com/）特点，该网站的结构很清晰，但是网站中的链接如果取下来是不能直接输入浏览器访问的，即：防盗链，这带来了不少额外的工作量.首先,我们不能在程序里面进行直接访问文件进行下载（目前我没有找到其他方法，如果有其他解决方案，欢迎留言交流），所以可以将ppt链接爬下来之后批量导入迅雷进行下载，这点需要手工操作，不过还好工作量不会太大，其次，下载的文件是默认的文件名，不能直观上看到ppt的性质、使用场合，如果知道名字我们就能很容易辨别是否使用与自己想用到的场合。不过都有方法来解决。

    由于工作量大，分两篇博客进行。本篇主要介绍在目标网站中爬取所需的文件，下篇介绍批量修改文件名等。事先透漏下，最后的文件初步估计大约12G，演示的时候没有爬完，所以根据链接数量，文件大小估算了下。(#^.^#)

下面开始撸起来。思路看下面的小标题吧。

我们来观察下网站：

打开这些主题发现，图中有七个主题：PPT模板、行业PPT……PPT下载共七个主题里面有不同类目的PPT可供我们爬取。很容易看到这些主题名称与连接元素所在的位置。这步比较简单，py文件为CrawlShouYe.py，代码如下：

这里需要额外说明的是创建主题文件夹我们可以通过代码，也可以打开某路径下的要创建的文件，如果文件夹不存在就自动创建。运行程序的效果：

这时栏目在网页中的位置，找到其标签。我们继续观察每个栏目下面的模板的特点。

上图我打开了动态栏目下的第二页，大家可以发现页码的格式，多打开几页就能很容易构造出跳转页面的链接格式，同时发现所有的模板名称与连接存在于中，在程序中将这两项内容抓下来存入当前栏目文件夹下的url.txt文件中。最终形成CrawlZipLink.py文件，代码如下：

好多细节性的东西，大家多看几遍程序理解下吧，如果有问题欢迎留言交流（程序个人感觉不够精炼）。运行程序之后的文件夹结构与zip_url.txt文件内容如下系列图。(≧∇≦)ﾉ

提取不含ppt名称的链接存入zip.txt文件中。这样方便批量导入迅雷进行下载。代码文件为Creat_zipLink.py，代码如下：

大家在爬取网站链接后，最后备份下，如果后续代码出错，对原文件操作错误不用重新爬取网站链接，从网站上爬链接受很多因素的影响很费时间。备份后，代码中的路径做相应改变即可。运行上面的代码结果为：

至此，我们将网站中所爬主题下的栏目中的ppt模板全部爬了下来，下一步就是批量下载了。

四、批量下载ppt模板

这个步骤有点费事，需要我们手动打开每个栏目下的zip.txt文件，打开此文本文件，同时打开迅雷，复制文本文件，迅雷自动识别，提示下载，我们将其保存到该栏目文件夹下（和打开的zip.txt）文件在同一个文件夹。下载成功后的模样如下图：

我们发现，这样的文件很是让我们抓狂，所以有对其进行批量修改名称的必要。请移步下篇微博：

python3.6爬虫案例：爬取某网站所有PPT（下）。