GITC-2016-上海-PPT自動(dòng)下載

目標(biāo):

  1. gitc 2016 上海站 http://www.thegitc.com/2016shanghai/view/ppt.html
  2. 多進(jìn)程抓取pdf文件吗货,并過濾掉未提供的pdf
  3. 有沒有干貨你下載完了再自己挑挑吧~現(xiàn)在大會(huì)好像質(zhì)量越來越差了。

聲明: 本程序僅用于交流學(xué)習(xí)研究锈津,請(qǐng)勿頻繁抓取數(shù)據(jù)對(duì)相關(guān)網(wǎng)站造成影響.

生成環(huán)境依賴

pip3 freeze > requirements.txt

beautifulsoup4==4.4.1
bs4==0.0.1
lxml==3.6.0
requests==2.10.0

代碼

#/usr/bin/env python3.5
# -*- coding: utf-8 -*-
__author__ = 'zenway33'

from bs4 import BeautifulSoup
import requests
import time
import os
from multiprocessing import Process, Pool

pdf_dir = 'gitc2016'
if not os.path.isdir(pdf_dir):
    os.mkdir(pdf_dir)


headers = {
       #'User-Agent': ua,
       'User-Agent': 'Mozilla/5.8 (X11; Linux x86_64) AppleWebKit/537.11 (KHTML, like Gecko) Chrome/23.0.1271.64 Safari/537.11',
       'Accept': 'text/html,application/xhtml+xml,application/xml;q=0.9,*/*;q=0.8',
       #'Accept-Charset': 'ISO-8859-1,utf-8;q=0.7,*;q=0.3',
       #'Accept-Encoding' : 'gzip, deflate, sdch',
       #'Accept-Language': 'zh-CN,zh;q=0.8,en;q=0.6',
       'Connection': 'keep-alive'
}

web_url = 'http://www.thegitc.com/2016shanghai/view/ppt.html'
wb_data = requests.get(web_url,headers=headers)
soup = BeautifulSoup(wb_data.text, 'lxml')
#pdfs = soup.select('div > map > area')
#pdfs = soup.find_all('area')
pdfs = soup.select('area[href^="http://"]')

# 獲取 pdf url 并存入列表
def get_pdf_urls():
    pdf_urls=[]
    for pdf_url in pdfs:
        pdf = pdf_url.get('href').strip('#')
        pdf_urls.append(pdf)
    return pdf_urls
urls = get_pdf_urls()
#print(urls)

# 下載pdf文件并存入gitc2016目錄
def get_pdf_data(pdf_url):
    r = requests.get(pdf_url, stream = True,headers=headers)
    pdf_name = pdf_url.split('/')[-1]
    with open(os.path.join(pdf_dir, pdf_name), 'wb') as fs:
        fs.write(r.content)
    print("filename: %s , downnload -> pdf_url: %s" % (pdf_name , pdf_url))

def get_pdf_status():
    start_time = time.time()
    pool = Pool(30)
    pdf_urls = urls
    #print(pdf_urls)
    results = pool.map(get_pdf_data, pdf_urls)
    print("--- %s seconds ---" % (time.time() - start_time))

get_pdf_status()

效果:


Paste_Image.png
Paste_Image.png
最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
  • 序言:七十年代末规哪,一起剝皮案震驚了整個(gè)濱河市禁荸,隨后出現(xiàn)的幾起案子,更是在濱河造成了極大的恐慌艺糜,老刑警劉巖,帶你破解...
    沈念sama閱讀 218,941評(píng)論 6 508
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件幢尚,死亡現(xiàn)場(chǎng)離奇詭異破停,居然都是意外死亡,警方通過查閱死者的電腦和手機(jī)尉剩,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 93,397評(píng)論 3 395
  • 文/潘曉璐 我一進(jìn)店門真慢,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人理茎,你說我怎么就攤上這事黑界。” “怎么了皂林?”我有些...
    開封第一講書人閱讀 165,345評(píng)論 0 356
  • 文/不壞的土叔 我叫張陵朗鸠,是天一觀的道長(zhǎng)。 經(jīng)常有香客問我础倍,道長(zhǎng)烛占,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 58,851評(píng)論 1 295
  • 正文 為了忘掉前任,我火速辦了婚禮忆家,結(jié)果婚禮上犹菇,老公的妹妹穿的比我還像新娘。我一直安慰自己芽卿,他們只是感情好揭芍,可當(dāng)我...
    茶點(diǎn)故事閱讀 67,868評(píng)論 6 392
  • 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著卸例,像睡著了一般沼沈。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發(fā)上币厕,一...
    開封第一講書人閱讀 51,688評(píng)論 1 305
  • 那天列另,我揣著相機(jī)與錄音,去河邊找鬼旦装。 笑死页衙,一個(gè)胖子當(dāng)著我的面吹牛,可吹牛的內(nèi)容都是我干的阴绢。 我是一名探鬼主播店乐,決...
    沈念sama閱讀 40,414評(píng)論 3 418
  • 文/蒼蘭香墨 我猛地睜開眼,長(zhǎng)吁一口氣:“原來是場(chǎng)噩夢(mèng)啊……” “哼呻袭!你這毒婦竟也來了眨八?” 一聲冷哼從身側(cè)響起,我...
    開封第一講書人閱讀 39,319評(píng)論 0 276
  • 序言:老撾萬(wàn)榮一對(duì)情侶失蹤左电,失蹤者是張志新(化名)和其女友劉穎廉侧,沒想到半個(gè)月后,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體篓足,經(jīng)...
    沈念sama閱讀 45,775評(píng)論 1 315
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡段誊,尸身上長(zhǎng)有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 37,945評(píng)論 3 336
  • 正文 我和宋清朗相戀三年,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了栈拖。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片连舍。...
    茶點(diǎn)故事閱讀 40,096評(píng)論 1 350
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡,死狀恐怖涩哟,靈堂內(nèi)的尸體忽然破棺而出索赏,到底是詐尸還是另有隱情,我是刑警寧澤贴彼,帶...
    沈念sama閱讀 35,789評(píng)論 5 346
  • 正文 年R本政府宣布潜腻,位于F島的核電站,受9級(jí)特大地震影響锻弓,放射性物質(zhì)發(fā)生泄漏砾赔。R本人自食惡果不足惜,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 41,437評(píng)論 3 331
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望暴心。 院中可真熱鬧妓盲,春花似錦、人聲如沸专普。這莊子的主人今日做“春日...
    開封第一講書人閱讀 31,993評(píng)論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽(yáng)檀夹。三九已至筋粗,卻和暖如春,著一層夾襖步出監(jiān)牢的瞬間炸渡,已是汗流浹背娜亿。 一陣腳步聲響...
    開封第一講書人閱讀 33,107評(píng)論 1 271
  • 我被黑心中介騙來泰國(guó)打工, 沒想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留蚌堵,地道東北人买决。 一個(gè)月前我還...
    沈念sama閱讀 48,308評(píng)論 3 372
  • 正文 我出身青樓,卻偏偏與公主長(zhǎng)得像吼畏,于是被迫代替她去往敵國(guó)和親督赤。 傳聞我的和親對(duì)象是個(gè)殘疾皇子,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 45,037評(píng)論 2 355

推薦閱讀更多精彩內(nèi)容

  • 你爬了嗎泻蚊? 要玩大數(shù)據(jù)躲舌,沒有數(shù)據(jù)怎么玩?這里推薦一些33款開源爬蟲軟件給大家性雄。 爬蟲没卸,即網(wǎng)絡(luò)爬蟲,是一種自動(dòng)獲取網(wǎng)...
    Albert新榮閱讀 2,228評(píng)論 0 8
  • 要玩大數(shù)據(jù),沒有數(shù)據(jù)怎么玩滩褥?這里推薦一些33款開源爬蟲軟件給大家。 爬蟲炫加,即網(wǎng)絡(luò)爬蟲瑰煎,是一種自動(dòng)獲取網(wǎng)頁(yè)內(nèi)容的程序...
    評(píng)評(píng)分分閱讀 7,997評(píng)論 2 121
  • 33款可用來抓數(shù)據(jù)的開源爬蟲軟件工具 要玩大數(shù)據(jù),沒有數(shù)據(jù)怎么玩俗孝?這里推薦一些33款開源爬蟲軟件給大家酒甸。 爬蟲,即...
    visiontry閱讀 7,328評(píng)論 1 99
  • 我以為考研會(huì)瘦十幾斤的赋铝。插勤。。希望我媽還認(rèn)我。农尖。析恋。
    RY麥布閱讀 142評(píng)論 0 0
  • 我一點(diǎn)也不想寫關(guān)于自己的事,回想起來總是一些細(xì)枝末節(jié)的盛卡,無(wú)從言起的事情助隧。外人看過不過過眼云煙,卻在我心里轟然作響滑沧。...
    靜待風(fēng)止閱讀 128評(píng)論 0 0