【python】无限量PPT免费下载？找模板在不怕心仪得不能用啦

前言

大家早好、午好、晚好吖 ❤ ~欢迎光临本文章

开发环境:

python 3.8
pycharm

不会安装的可以文末名片+我获取哦 😎

模块使用:

第三方模块，需要安装

win + R 输入cmd 输入安装命令 pip install 模块名

（如果出现爆红可能是因为网络连接超时切换国内镜像源）

requests

内置模块

代码实现步骤:

基本四大步骤发送请求 -> 获取数据 -> 解析数据 -> 保存数据

发送请求, 模拟浏览器对url地址发送请求

请求链接 --> PPT列表页面: https://***/moban/
获取数据, 获取 PPT列表页面网页源代码
解析数据, 提取我们想要的数据内容 < aid参数 / ppt标题 >
发送请求, 模拟浏览器对url地址发送请求

请求链接 --> PPT下载页面: https://***/plus/download.php?open=0&aid={aid参数}&cid=3
获取数据, 获取 PPT下载页面网页源代码
解析数据, 提取我们想要的数据内容 < ppt压缩包下载地址 >
保存数据, 把ppt压缩包数据保存本地文件夹

代码展示

# 导入数据请求模块 --> 第三方模块, 需要安装 pip install requests
import requests
# 导入正则表达式模块 --> 内置模块, 不需要安装
import re
# 导入进度条
from tqdm import tqdm

“”"

发送请求, 模拟浏览器对url地址发送请求
- <Response [200]> 表示请求成功
  
  requests <手机>
  
  url <电话号码>
  
  requests.get(url) <拨号>
  
  <Response [200]> <电话打通了>

分析 PPT列表页面请求链接变化规律

“”"

多页采集

for page in range(2, 194):print(f'------------正在采集第{page}页的数据内容------------')

请求链接 PPT列表页面

    url = f'https://****/moban/ppt_moban_{page}.html'、

加入伪装

    headers_1 = {# 'Cookie': '__51vcke__Je1p5lxAB8oshp4Q=a2d09e14-b8e3-549b-8f57-6aca0caa5b7c; __51vuft__Je1p5lxAB8oshp4Q=1653891497436; __gads=ID=692fabf3df9f56a5-222407aa9bd3001e:T=1653891498:RT=1653891498:S=ALNI_MZpycjl_goCBeDo2c9SHKGt40wXzQ; __bid_n=18432ecf98ba9acd9e4207; FPTOKEN=30$1DzFg9/Q5i/1OYLGx8BGVb1DDCKC+Gz58Jrwp1AzRDntdzyLdjrMqJIhdpXsGktzZYiZA7eZE4m32nad5rK0TbanAbCcyCxZrcsnriCl9YmmC5UN4bqieT032UzJlT53xEUd1j1vpWC+p2NI70JLAubaanckO+d82HROhCY1Lh5lulkTGCAdfPKCZz2S8OPONy0NyL8GsKWfKGM95ReKgAtoJL0ngVj0smpDEsTFGOaPSW0M+dsO0gUmneWw05mgySVC71/qbUUG8o3mKEyD5aBnZdYUFP8ig8mnH2xVizJkAPRbXeRELe5e9Fk5DM9pZlZooM7+L8NQuSua5rakld1fZXhXX3vsH9w8lGYHQhKrU/9HDlhKZzcBgVRZIoDB|QmVxOaY5NuD0YXxzaJ0mCnE/9qJLssQcIEB76DcwEGA=|10|946497589a754b58cc2352d773d7c8ab; _tcnyl=1; FPTOKEN=ZoGr4lqRpDB41aS7g3xbphkNZxlAFkMrslWEy2CJ+sJG7a0uxWmB0OK4zvSzYlUIAyPbHFd2qaqVHYwEI55/5irbrxKYI8Vd1fujkpMY+9HkcQw/QadJLWoHpVPupduCcPwfWxY33ihlqzEjtKiiNB3oq3b81i61ONtX77MQyiMYXoXXqW0QWQB2EVlg8qO2wiEbHCR+PiPSEQqmbP5Q96aFOMITQ8d8UVupKIphS4IsNM3qrx5lv1CDcUpew1Hf6aDUIQ5cvPp89BOCvyPlotw1XYJMLhz3z8Dq0+PWbZVdHy31HRxy1QZN4YKbZce/wVsmNNctThVXPYZiWJxsLfusq51dpBeNQZ5jvXyYj1CtF1commhHj/AyhOtfDgNERt9Vj9AzhMteoP6fhEDquA==|uPT50p/sXbaj1jWrP5LTDsFYuTBOKGVO+5MF4s+Jb8c=|10|82feab40fd6338ee92047277cdbe5297; acw_sc__v2=643e912a51d7da10f6ad3d5cc1d79f0d6593c37f; __gpi=UID=0000060294537c8f:T=1653891498:RT=1681822116:S=ALNI_MZtPzSlNJpybAKucVMv0sKEvcwOjg; acw_tc=276077b216818245849326986e88fe8a2f8d876a94ab44cc5122ad34acd3cd; __51uvsct__Je1p5lxAB8oshp4Q=17; __vtins__Je1p5lxAB8oshp4Q=%7B%22sid%22%3A%20%22a46f87fa-bb28-5e18-b3bf-a82380a1b6eb%22%2C%20%22vd%22%3A%207%2C%20%22stt%22%3A%20226266%2C%20%22dr%22%3A%20104449%2C%20%22expires%22%3A%201681826611441%2C%20%22ct%22%3A%201681824811441%7D',# 'Referer': f'https://****/moban/ppt_moban_{page}.html','User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/101.0.0.0 Safari/537.36'}# 发送请求response = requests.get(url=url, headers=headers_1)

“”"

获取数据, 获取 PPT列表页面网页源代码

response.text 获取响应文本数据
解析数据, 提取我们想要的数据内容 < aid参数 / ppt标题 >

正则表达式

re.findall(‘什么数据’, ‘什么地方’) --> 调用re模块里面findall方法 <找到所有我们想要的数据>
你从什么地方, 去匹配什么数据

“”"

    # 转码response.encoding = 'gb2312'# 提取数据 < aid参数 / ppt标题 >info = re.findall('<h2><a href="/article/(.*?).html" target="_blank">(.*?)</a></h2>', response.text)# for循环遍历, 把列表里面元素一个一个提取出来for aid, title in info:

“”"

发送请求, 模拟浏览器对url地址发送请求

请求链接 --> PPT下载页面
- 打开开发者工具: F12
- 刷新网页
- 选中请求数据包, 点击数据包
- 选择headers下面 request headers
批量替换:
- 选中替换内容 ctrl + R
- 勾选 .* 正则
- 输入正则匹配命令
  
  (.?): (.)
  
  ‘$1’: ‘$2’,

“”"

        # 字符串格式化方法link = f'https://****/plus/download.php?open=0&aid={aid}&cid=3'print(link)# 伪装模拟浏览器 headersheaders = {'Cookie': 'mizToken=202206071322080.098771721239192310.8670471172054548; __51vcke__Je1p5lxAB8oshp4Q=a2d09e14-b8e3-549b-8f57-6aca0caa5b7c; __51vuft__Je1p5lxAB8oshp4Q=1653891497436; __gads=ID=692fabf3df9f56a5-222407aa9bd3001e:T=1653891498:RT=1653891498:S=ALNI_MZpycjl_goCBeDo2c9SHKGt40wXzQ; __bid_n=18432ecf98ba9acd9e4207; FPTOKEN=30$1DzFg9/Q5i/1OYLGx8BGVb1DDCKC+Gz58Jrwp1AzRDntdzyLdjrMqJIhdpXsGktzZYiZA7eZE4m32nad5rK0TbanAbCcyCxZrcsnriCl9YmmC5UN4bqieT032UzJlT53xEUd1j1vpWC+p2NI70JLAubaanckO+d82HROhCY1Lh5lulkTGCAdfPKCZz2S8OPONy0NyL8GsKWfKGM95ReKgAtoJL0ngVj0smpDEsTFGOaPSW0M+dsO0gUmneWw05mgySVC71/qbUUG8o3mKEyD5aBnZdYUFP8ig8mnH2xVizJkAPRbXeRELe5e9Fk5DM9pZlZooM7+L8NQuSua5rakld1fZXhXX3vsH9w8lGYHQhKrU/9HDlhKZzcBgVRZIoDB|QmVxOaY5NuD0YXxzaJ0mCnE/9qJLssQcIEB76DcwEGA=|10|946497589a754b58cc2352d773d7c8ab; _tcnyl=1; FPTOKEN=ZoGr4lqRpDB41aS7g3xbphkNZxlAFkMrslWEy2CJ+sJG7a0uxWmB0OK4zvSzYlUIAyPbHFd2qaqVHYwEI55/5irbrxKYI8Vd1fujkpMY+9HkcQw/QadJLWoHpVPupduCcPwfWxY33ihlqzEjtKiiNB3oq3b81i61ONtX77MQyiMYXoXXqW0QWQB2EVlg8qO2wiEbHCR+PiPSEQqmbP5Q96aFOMITQ8d8UVupKIphS4IsNM3qrx5lv1CDcUpew1Hf6aDUIQ5cvPp89BOCvyPlotw1XYJMLhz3z8Dq0+PWbZVdHy31HRxy1QZN4YKbZce/wVsmNNctThVXPYZiWJxsLfusq51dpBeNQZ5jvXyYj1CtF1commhHj/AyhOtfDgNERt9Vj9AzhMteoP6fhEDquA==|uPT50p/sXbaj1jWrP5LTDsFYuTBOKGVO+5MF4s+Jb8c=|10|82feab40fd6338ee92047277cdbe5297; __gpi=UID=0000060294537c8f:T=1653891498:RT=1681822116:S=ALNI_MZtPzSlNJpybAKucVMv0sKEvcwOjg; acw_tc=276077b216818245849326986e88fe8a2f8d876a94ab44cc5122ad34acd3cd; __51uvsct__Je1p5lxAB8oshp4Q=17; acw_sc__v2=643e9ca58cde54eeeb856549844efeccbfb00b49; __vtins__Je1p5lxAB8oshp4Q=%7B%22sid%22%3A%20%22a46f87fa-bb28-5e18-b3bf-a82380a1b6eb%22%2C%20%22vd%22%3A%2010%2C%20%22stt%22%3A%20384263%2C%20%22dr%22%3A%2038456%2C%20%22expires%22%3A%201681826769438%2C%20%22ct%22%3A%201681824969438%7D','Referer': f'https://*****/plus/download.php?open=0&aid={aid}&cid=3','User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/101.0.0.0 Safari/537.36',}# 发送请求response_1 = requests.get(url=link, headers=headers)print(response_1.text)

“”"

获取数据, 获取 PPT下载页面网页源代码

请问: 为什么我请求获取网页源代码和网站上面显示不一样?

答: 被反pa了, 因为没有伪装, 模拟, 被识别出来是程序, 从而得不到数据内容

解决: 加headers请求头
解析数据, 提取我们想要的数据内容 < ppt压缩包下载地址 >

“”"

        # 提取下载链接download = re.findall('<li class="c1"><a href="(.*?)"', response_1.text)[0]

“”"

保存数据, 把ppt压缩包数据保存本地文件夹

发送请求 + 获取数据

“”"

        # 发送请求获取数据content = requests.get(url=download).contentwith open('ppt\\' + title + '.zip', 'wb') as f:# 写入内容f.write(content)print(title, download)