python爬百度文库课件

爬取百度文库PPT图片

最新推荐文章于 2024-05-02 01:16:59 发布

转载最新推荐文章于 2024-05-02 01:16:59 发布 · 76 阅读

0 ·

CC 4.0 BY-SA版权

原文链接：http://www.cnblogs.com/vvlj/p/9662534.html

文章标签：

#python

本文介绍了一种使用Python爬取百度文库中PPT页面图片的方法。通过Selenium模拟浏览器行为加载页面，利用正则表达式解析图片链接，并借助requests库下载图片到本地。适用于希望自动抓取特定PPT资源的学习者或开发者。

库:re;selenium;requests

源码：

from selenium import webdriver
import re
import requests

def open_img(items):
    for item in items:
        item = re.sub('&','&',item)
        rsp =requests.get(item)
        yield rsp.content

url ='https://wenku.baidu.com/view/4e3d35d969eae009581becd5.html?from=search'　　　　#可修改成别的ppt网址
browser =webdriver.Chrome()
try:
    browser.get(url)
    html =browser.page_source
    pattern =re.compile('<div class="ppt-page-item.*?src="(.*?)".*?>',re.S)
    items =re.findall(pattern,html)
    n =0
    for i in open_img(items):
        with open('%d.jpeg'%n,'wb') as file:
            file.write(i)·
            n +=1
            print('第%d张图片下载完成'%n)

finally:
    browser.close()
input()

转载于:https://www.cnblogs.com/vvlj/p/9662534.html