利用xpath爬取51PPT页面的PPT

最新推荐文章于 2024-07-31 22:02:52 发布

小白在行动

最新推荐文章于 2024-07-31 22:02:52 发布

阅读量290

点赞数

分类专栏：学习笔记文章标签： xpath python 爬虫

本文链接：https://blog.youkuaiyun.com/weixin_43711196/article/details/107547273

版权

学习笔记专栏收录该内容

5 篇文章

订阅专栏

本文介绍了一种使用Python的requests库和lxml库抓取指定网站上的PPT模板的方法。通过解析网页源代码，获取每个PPT模板的链接和名称，并下载到本地目录。此过程涉及多次请求和数据解析，最终实现自动化批量下载。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

具体代码如下：

import requests
from lxml import etree
import os
if __name__=="__main__":
    if not os.path.exists('./pptss'):
        os.mkdir('./pptss')
    headers={
        'Use-Agent':'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/72.0.3626.81 Safari/537.36 SE 2.X MetaSr 1.0'
        }
    url='http://www.51pptmoban.com/ppt/'
    
    response=requests.get(url=url,headers=headers)
    
    page_text=response.text
    #print(page_text)
    tree=etree.HTML(page_text)
    a_list=tree.xpath('//div[@class="pptlist"]/dl/dd')
    #list=[]
    for li in a_list:
        li_url = 'http://www.51pptmoban.com'+li.xpath('./div/a/@href')[0]
        li_name=li.xpath('./div/a/img/@alt')[0]+'.rar'
        li_name=li_name.encode('iso-8859-1').decode('gbk') 
        #print(li_url,li_name)
        #list.append(li_url)
    #print(list)
      
        response=requests.get(url=li_url,headers=headers)
        response.encoding="utf-8"
        xia_text=response.text
        xia_tree=etree.HTML(xia_text)
            #print(xia_text)
        xiazai_list=xia_tree.xpath('//div[@class="ppt_xz"]/a')
        for lii in xiazai_list:
            xiazai_url='http://www.51pptmoban.com'+lii.xpath('./@href')[0]
            #print(xiazai_url)

            final_text=requests.get(url=xiazai_url,headers=headers).text
            final_tree=etree.HTML(final_text)
            #print(final_text)
            final_list=final_tree.xpath('//div[@class="down"]/a')
            for fi in final_list:
                final=fi.xpath('./@href')[0]
                fin='/'+final.split("/")[-2]+'/'+final.split("/")[-1]
                #print(fin)
            final_url='http://www.51pptmoban.com/e/DownSys'+fin
            file_ppt=requests.get(url=final_url,headers=headers).content
                #print(final_url)
            xia_path='./pptss/'+li_name
            with open(xia_path,'wb') as fp:
                fp.write(file_ppt)
                print(li_name,'下载成功！！！')

运行结果为：
在这里插入图片描述