Python爬取電子課本，送給居家上課的孩子們
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、發出請求：
首先找出合適的網址URL，因是靜態網頁網址，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出請求
網頁網址為：http://www.shuxue9.com/beishida/cz8x/ebook/1.html
2、發出請求獲得響應：
- 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，發現電子課本的每一頁網址很有規律：
- 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，沒規律。我們可以根據規律用循環方式，對網址發起訪問，獲得圖片后，自動循環訪問下一個網址......最終獲得全部圖片。
8、設置循環提取：
在以上全部過程納入到一個for循環里，根據網頁，我們可以看到共有152頁，設置循環后完整代碼為：
- import requests , osfrom bs4 import BeautifulSoupfor i in range(1,
- 153):# 發出請求 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：
