教你用python爬虫下载1w+『ppt模板』_python爬网上ppt模板代码-优快云博客

1. 前言

本文的文字及图片来源于网络,仅供学习、交流使用,不具有任何商业用途,如有问题请及时联系我们以作处理。

PS：如有需要Python学习资料的小伙伴可以点击下方链接自行获取

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。


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))