跳至主要内容

下載網頁檔案的 Python 實作

我們看上了一個網頁,裡面有上百份 pdf 檔案連結。

身為工程師的我們,如果是自己逐篇點開下載,顯然不太對?

所以這裡就需要寫一個小程式,幫我們下載所有檔案。

安裝套件

首先,你需要安裝所需的套件,如果還沒安裝的話,可以透過以下命令來安裝:

pip install requests beautifulsoup4 urllib3

程式碼

話不多說,既然程式寫完了,我們就直接上程式碼吧!

重點框起來的部分,是你得自己修改的地方,請根據你的需求來調整程式碼。

file_crawler.py
import os
from urllib.parse import urljoin

import requests
from bs4 import BeautifulSoup

# 模擬瀏覽器的 headers
headers = {
"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/92.0.4515.107 Safari/537.36"
}

# 網頁 URL
url = "put_your_url_here"

# 目標格式
target_format = ".pdf"

# 發送 HTTP GET 請求,添加 headers
response = requests.get(url, headers=headers)

# 檢查請求是否成功
if response.status_code == 200:
# 使用 BeautifulSoup 解析 HTML
soup = BeautifulSoup(response.text, "html.parser")

# 查找所有的<a>標籤,篩選出 href 屬性符合目標格式的連結
target_links = []
for link in soup.find_all("a"):
href = link.get("href")
if href and href.endswith(target_format): # 在這邊指定要下載的檔案格式
target_links.append(urljoin(url, href))

# 創建資料夾來儲存檔案
os.makedirs("downloads", exist_ok=True)

# 下載每個檔案
for url in target_links:
file_name = url.split("/")[-1] # 從 URL 中提取檔名
file_path = os.path.join("downloads", file_name)

# 發送請求下載
response = requests.get(url, headers=headers) # 同樣添加 headers
if response.status_code == 200:
with open(file_path, "wb") as f:
f.write(response.content)
print(f"已下載: {file_name}")
else:
print(f"無法下載: {url}")
else:
print(f"無法存取網頁,狀態碼: {response.status_code}")

執行程式

完成後,可以直接執行程式,下載所有符合目標格式的檔案。

python file_crawler.py