Python3爬蟲下載pdf（一）

Python3爬蟲下載pdf（一）

最近在學習python的爬蟲，而且玩的不亦說乎，所以寫個博客，記錄並分享一下。

需下載如下模塊

• bs4 模塊

• requests 模塊

1、源碼

"""
功能：下載指定url內的全部的pdf
語法：將含有pdf的url放到腳本後面執行就能夠了
"""

from bs4 import BeautifulSoup as Soup
import requests
from sys import argv

try:
    ##用於獲取命令行參數，argv[0]是腳本的名稱
    root_url = argv[1]
except:
    print("please input url behind the script!!")
    exit()

##得到含有全部a標籤的一個列表
def getTagA(root_url):
    res = requests.get(root_url)
    soup = Soup(res.text,'html.parser')
    temp = soup.find_all("a")
    return temp

##從全部a標籤中找到含有pdf的，而後下載
def downPdf(root_url,list_a):
    number = 0
    ##若是網站url是以相似xx/index.php格式結尾，那麼只取最後一個/以前的部分
    if not root_url.endswith("/"):     
        index = root_url.rfind("/")
        root_url = root_url[:index+1]
    for name in list_a:
        name02 = name.get("href")
        ##篩選出以.pdf結尾的a標籤
        if name02.lower().endswith(".pdf"):
            pdf_name = name.string 
            number += 1
            print("Download the %d pdf immdiately!!!"%number,end='  ')
            print(pdf_name+'downing.....') 
             ##由於要下載的是二進制流文件，將strem參數置爲True     
            response = requests.get(root_url+pdf_name,stream="TRUE")
            with open(pdf_name,'wb') as file:
                for data in response.iter_content():
                    file.write(data)

if __name__ == "__main__":
    downPdf(root_url,getTagA(root_url))

2、亮點

1. 利用str.rfind("S") 函數來得到 S 在str 從右邊數第一次出現的index

2. 使用str.lower().endswith("S") 函數來判斷str 是否以S/s 結尾