Ervin_yi的博客

Python3通过xpath爬取百度文库上的PPT文档准备工作源代码 准备工作 具体的准备工作可参考笔者的另一篇博客：Python3使用xpath爬原创力文档，两者原理相同。 1.首先，随便进入百度文库的一篇PPT文档（记得一定要点开记得阅读，加载出所有画面，才能爬取完整文档）。 2.接着，进入网页源代码，同样找出src的地址。然后，根据个人喜好复制指定部分的网页源码（但一定要包含下载内容）到TXT文件中。 3现在，我们就可以开始爬取了。 源代码 """ 爬取百度文库上的PPT文档 """ impor

Python3使用xpath爬原创力文档准备工作源代码 准备工作 首先，我们进入原创力文档官网，随便点击一篇pdf文章，进入如下界面： 然后点击“好的，开始阅读”进入全屏界面。接着，按“F12”进入开发者工具；点击开发者界面左上角的箭头符号，选择第一页，开发者工具界面则会定位相应的HTML标签处；定位的光标处中src中的“//view-cache.book118.com/view10/M00/1A/32/wKh2Dl9Df5SAcs8-AADV0nCN1hY314.png”则是我们后续下载需要的URL地址