[[316679]]

在這個全民抗疫的日子，中小學生們也開啟了居家上網課的生活。很多沒借到書的孩子，不得不在網上看電子課本，有的電子課本是老師發(fā)的網絡鏈接，每次打開網頁去看，既費流量，也不方便。今天我們就利用python的爬蟲功能，把網絡鏈接的課本爬下來，再做成PDF格式的本地文件，讓孩子們隨時都能看。本文案例爬取的網絡課本見下圖： 

圖1 電子課本首頁

實現思路為兩部分：

• 用python從網站爬取全部課本圖片;
• 將圖片合并生成PDF格式文件。

具體過程：

一、爬取課本圖片

爬蟲4流程：發(fā)出請求——獲得網頁——解析內容——保存內容。

根據上篇python批量爬取網絡圖片里講過的知識，網頁里的圖片有單獨的網址，爬取圖片時需要先爬取出圖片網址，再根據圖片網址爬取圖片。

1、發(fā)出請求：

首先找出合適的網址URL，因是靜態(tài)網頁網址，我們可直接用瀏覽器地址欄的網址，下圖2中紅框位置即為要用的網址，復制下來就行。 

圖2 瀏覽器地址欄網址可用于發(fā)出請求

網頁網址為：http://www.shuxue9.com/beishida/cz8x/ebook/1.html

2、發(fā)出請求獲得響應：

url = http://www.shuxue9.com/beishida/cz8x/ebook/1.htmlresponse = requests.get(url) 

3、解析響應獲得網頁內容：

soup = BeautifulSoup(response.content, 'lxml') 

4、解析網頁內容，獲得圖片網址：

jgp_url = soup.find('div', class_="center").find('a').find('img')['src'] 

5、向圖片網址發(fā)出訪問請求，并獲得圖片(因為該網址僅有圖片，不需用find解析)：

jpg = requests.get(jgp_url).content 

6、保存圖片：

f = open(set_path() + number + '.jpg','wb')f.write(jpg) 

其中，set_path()是提前建好的用于存放圖片的路徑，代碼見下，也可直接寫上想用的路徑：

def set_path():    path = r'e:/python/book'    if not  
os.path.isdir(path):        os.makedirs(path)    paths = path+'/'    
 return(paths) 

7、存在問題：

以上就完成了課本圖片的爬取，我們打開文件夾，發(fā)現只有一張圖片被下載了，后面的都沒。這是因為瀏覽網頁時，每個頁面都有不同的網址，我們試著分析一下，發(fā)現電子課本的每一頁網址很有規(guī)律：

• 第1頁網址：http://www.shuxue9.com/beishida/cz8x/ebook/1.html
• 第2頁網址：http://www.shuxue9.com/beishida/cz8x/ebook/2.html
• ......
• 第n頁網址：http://www.shuxue9.com/beishida/cz8x/ebook/n.html

每頁上的圖片網址各不相同，沒規(guī)律。我們可以根據規(guī)律用循環(huán)方式，對網址發(fā)起訪問，獲得圖片后，自動循環(huán)訪問下一個網址......最終獲得全部圖片。

8、設置循環(huán)提?。?/strong>

在以上全部過程納入到一個for循環(huán)里，根據網頁，我們可以看到共有152頁，設置循環(huán)后完整代碼為：

import requests , osfrom bs4 import BeautifulSoupfor i in range(1,  
153):# 發(fā)出請求    url = "http://www.shuxue9.com/beishida/cz8x/ebook 
/{}".format(i)+".html"    response = requests.get(url)# 獲得網頁    
 soup = BeautifulSoup(response.content, 'lxml')# 解析網頁得到圖片網址 
    jgp_url = soup.find('div', class_="center").find('a').find('img') 
['src']# 發(fā)出請求解析獲得圖片    jpg = requests.get(jgp_url).content#  
設置圖片保存路徑    p = r'e:/python-book'    if not os.path.isdir(p): 
        os.makedirs(p)# 保存圖片    f = open(p + '/' + str(i) +  
'.jpg', 'wb')    f.write(jpg)print("下載完成") 

運行程序，即可一次下載全部課本圖片，效果為： 

圖3 運行程序下載圖片

 

圖4 下載好的圖片

二、將圖片合并生成PDF格式文件

圖片下載完成后，將圖片生成PDF格式才方便使用。網上有專門的軟件，但免費的試用版只能合并幾張圖片。今天教大家一個免費且常用的OFFICE—ppt軟件來將多張圖片合并成一個PDF格式文件。

新建一個PowerPoint空白文件，點擊插入——相冊——新建相冊， 

在彈出的窗體里，點擊左上角的“文件/磁盤”，將剛才下載的圖片全部導入進去，導入后的效果如下圖右側紅框樣式，然后點擊“創(chuàng)建”，保存文件時另存為PDF格式即可。 

總結：

至此，從網頁爬取電子課本圖片，生成PDF格式的本地文件就全部完成了。其中，如何找到并提取網頁中的圖片網址，在本頭條上一篇文章里已有詳述，有疑問的可查閱或留言交流。

另分享一個從網頁內容中找到圖片網址的簡便方法：在打開的開發(fā)者工具界面，點擊左上角的箭頭符號，然后在網頁上點擊想要查找網址的圖片，會自動高亮顯示圖片網址所在位置。如下所示：