【日常】python站长素材网免费模板下载（以PPT模板为例）

admin管理员组

文章数量:1794759

【日常】python站长素材网免费模板下载（以PPT模板为例）

近期疲于论文和别人给我挖的坑，可能很长一段时间不会更新博客了。

之前在寻找模板时发现了挺好的网站sc.chinaz/，上面有PPT，CSS，Bootstrap等许多种类的模板，并且有很多是可以免费获取。虽然免费的模板质量并不是很高，但是架不住数量多，仔细挑挑还是可以找到合适的模板的。

一个个下载自然是很麻烦的了，当然是选择搞个小爬虫，挂一个晚上就完事咯。

以PPT模板下载为例，思路非常简单

找到免费PPT陈列页面 sc.chinaz/ppt/free.html;

找到每个页面上20个PPT的超链接(利用正则去匹配合适的a链接);

进入超链接进入指定PPT页面后找到下载超链接;

访问下载超链接, 获取response.content, 以"wb"模式写入文件即可;

注意爬虫可能被封，所以代码中考虑了爬虫被封的重置。代码也非常简短，不足100行，注释很明确，就不加以赘述了👇

# -*- coding: UTF-8 -*- # 作者：囚生CY # 平台：CSDN # 时间：2019/12/13 # 转载请注明原作者 # 创作不易，仅供分享 import os import re import time import random import requests from bs4 import BeautifulSoup host = "sc.chinaz" firefoxHead = {"User-Agent":"Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:61.0) Gecko/20100101 Firefox/61.0"} htmlEncoding = "ISO-8859-1" def get_PPT_page_free(session): # 获取免费PPT模板的总页数 pptMainURL = host + "/ppt/free.html" # 免费PPT模板 html = session.get(pptMainURL).text soup = BeautifulSoup(html,"lxml") bLabel = soup.find_all("b") return int(bLabel[-1].string) # 观察发现最后一个<b>标签内记录了总页码 def get_PPT_url_free(session,page): # 获取每个页面上所有PPT模板的超链接指向的URL regular = r"ppt/\\d{9,12}" # PPT超链接的简约正则（当然可以更加简约，但是我认为这种写法最不容易出错） remain = "sc.chinaz/{}.htm" # 刨除简约正则部分剩下的部分 pptMainURL = host + "/ppt/free.html" pptFreeURL = host + "/ppt/free_{}.html" url = pptMainURL if page==1 else pptFreeURL.format(page) # 第一页的URL与其他页码的有所不同 hrefs = [] # 用于存储所有的链接 html = session.get(url).text soup = BeautifulSoup(html,"lxml") aLabel = soup.find_all("a") # 所有的PPT超链接包含在<a>标签中 for a in aLabel: try: href = a.attrs["href"] # 事实上有一些<a>标签是没有href属性的（由Java类生成重定向） result = re.findall(regular,href)[0] if result not in hrefs: hrefs.append(result) # 事实上会产生重复的URL except: continue for i in range(len(hrefs)): hrefs[i] = remain.format(hrefs[i]) # 将简约正则补充为标准正则（即超链接指向的URL） return hrefs def get_PPT_downloaded_free(session,pptURL,count,path="PPT\\\\{}"): # 下载PPT模板（给定PPT模板的URL） resetTime = 300 # 倘若被封设定的重置时间 html = session.get(pptURL).text soup = BeautifulSoup(html,"lxml") h1 = soup.find_all("h1") # h1标签中有PPT的名称 name = str(h1[0].string).encode(htmlEncoding).decode("UTF-8") # 获取PPT模板名称（方便命名） print("正在获取第{}个PPT模板：\\t{}\\t".format(count,name)) aLabel = soup.find_all("a") downloadURLs = [] # 用于储存所有可用的下载链接 for i in range(len(aLabel)): # 循环寻找第一个标签内容为"福建电信下载"的<a>标签的索引（另一种方法是第一个标签超链接以.rar结尾的索引） string = str(aLabel[i].string).encode(htmlEncoding).decode("UTF-8") # 编解码处理乱码 if "福建电信下载" == string: index = i for i in range(index,index+12): downloadURLs.append(aLabel[i].attrs["href"]) # 一般来说接下来连续的12个都是下载地址 while True: # 考虑到可能下载失败, 所以使用循环去多试试几个URL try: downloadURLs = downloadURLs[random.randint(0,11)] # 考虑在12个下载地址中随机选择一个 content = session.get(downloadURLs).content rar = open(path.format("{}_{}.rar".format(count,name)),"wb") rar.write(content) rar.close() break except: print("-----------------访问过于频繁，正在重置连接--------------------") total = 0 while total<resetTime: print("还剩{}秒".format(resetTime-total)) time.sleep(1) total += 1 continue def get_PPT_models_free(session): # 实现大规模PPT模板下载 pptMainURL = host + "/ppt/free.html" page = get_PPT_page_free(session) # 总页数 count = 0 # 计数 for i in range(page): # 一页页来吧 print("正在获取第{}页的PPT模板".format(i+1)) pptURLs = get_PPT_url_free(session,i+1) for pptURL in pptURLs: count += 1 get_PPT_downloaded_free(session,pptURL,count) time.sleep(random.randint(5,10)) def main(): session = requests.Session() session.headers = firefoxHead session.get(host) get_PPT_models_free(session) if __name__ == "__main__": if not os.path.exists("PPT"): os.mkdir("{}\\\\PPT".format(os.getcwd())) # 新建文件夹 main()

 

最后简单展示一下一晚上的成果。

PPT模板下载情况👇

 

 HTML模板下载情况👇

HTML的就不展示了，跟PPT的也差不多，自己写写吧。

分享学习，共同进步！

 

本文标签： 为例日常模板站长模板下载