教你用python爬虫下载1w+『ppt模板』,再也不用付费去购买啦！

您所在的位置：网站首页 › 爬虫下载html › 教你用python爬虫下载1w+『ppt模板』,再也不用付费去购买啦！

教你用python爬虫下载1w+『ppt模板』,再也不用付费去购买啦！

2024-07-02 01:17| 来源: 网络整理| 查看: 265

1. 前言

无论是学生还是工作，都会和ppt打交道，每次制作ppt都需要去找模板，有时候ppt模板还是收费的，这......,有点恶心，哈哈哈！！

今天教大家如何使用python爬虫爬取1万份『ppt模板』，以后制作ppt再也不怕了没有模板了！！！

2. 相关介绍 1.模板来源 https://sc.chinaz.com/ppt/free_1.html

每页20条，一共500页，共10000份ppt模板！

2.爬虫思路

先遍历每一页，获取每一个ppt模板的url。

根据ppt模板的url获取下载地址。

最后根据下载地址将文件下载到本地。

3. 爬取数据 1.遍历每一页

通过xpath可以定位到标签class=bot-div，里面包含了ppt模板的url和名称。

""" 李运辰 2021-3-6 公众号：python爬虫数据分析挖掘 """ import requests from lxml import etree ###遍历每一页 def getlist(): for k in range(1,501): url = "https://sc.chinaz.com/ppt/free_"+str(k)+".html" res = requests.get(url) res.encoding = 'utf-8' text = res.text selector = etree.HTML(text) list = selector.xpath('//*[@class="bot-div"]') for i in list: title = i.xpath('.//a/text()')[0].replace("\n", '').replace(" ", '') href = i.xpath('.//a/@href')[0].replace("\n", '').replace(" ", '') print(title) print(href) print("----------------")

遍历时需要获取每一个ppt模板url（title）和名称（href）（方便下载时作为保存文件的命名）

2.获取下载地址

以下面url为例

https://sc.chinaz.com/ppt/210305465710.htm

解析下载链接

通过xpath可以定位到标签class=download-url，里面包含了四个下载地址，其实四个都一样，选择其中一个就可以了。

res = requests.get(url) res.encoding = 'utf-8' text = res.text selector = etree.HTML(text) href = selector.xpath('//*[@class="download-url"]/a/@href')[0] print(href)

3.下载保存

根据拿到的下载地址下载文件保存到本地。

r = requests.get(href) with open(str(title)+".rar", "wb") as code: code.write(r.content)

ok，这样就将ppt模板下载到本地了。

下面我们开始批量下载！

4.批量下载 ##下载文件 def download(url,title): res = requests.get(url) res.encoding = 'utf-8' text = res.text selector = etree.HTML(text) href = selector.xpath('//*[@class="download-url"]/a/@href')[0] r = requests.get(href) with open(str(title)+".rar", "wb") as code: code.write(r.content) print(str(title)+"：下载完成！") ###遍历每一页 def getlist(): for k in range(1,501): url = "https://sc.chinaz.com/ppt/free_"+str(k)+".html" res = requests.get(url) res.encoding = 'utf-8' text = res.text selector = etree.HTML(text) list = selector.xpath('//*[@class="bot-div"]') for i in list: title = i.xpath('.//a/text()')[0].replace("\n", '').replace(" ", '') href = i.xpath('.//a/@href')[0].replace("\n", '').replace(" ", '') download("https://sc.chinaz.com/"+str(href), str(title))