python自动下载网页附件中的word和excel文件

在Python中，你可以使用一些库来自动化下载网页附件中的Word和Excel文件，如`requests`, `BeautifulSoup`用于抓取网页内容，以及`pandas`和`openpyxl`处理Excel文件，`python-docx`处理Word文档。以下是简单的步骤：

1. **安装必要的库**：
- 安装`requests`: `pip install requests`
- 安装`beautifulsoup4`: `pip install beautifulsoup4`
- 对于处理Excel和Word文档，还需要安装`pandas`, `openpyxl`, 和 `python-docx`:

     pip install pandas openpyxl python-docx

2. **编写脚本**：

   import os
   import requests
   from bs4 import BeautifulSoup
   import pandas as pd
   from docx import Document

   def download_files(url):
       # 使用requests获取网页内容
       response = requests.get(url)
       soup = BeautifulSoup(response.text, 'html.parser')

       # 找到所有需要下载的链接（这取决于HTML结构）
       file_links = soup.select('.file-link')  # 例如，假设目标文件在一个class为"file-link"的元素下

       for link in file_links:
           filename = link.get('href').split('/')[-1]  # 获取文件名
           extension = filename.split('.')[-1]  # 获取文件扩展名
           if extension in ['doc', 'docx'] or extension == 'xlsx':  # 检查是否是Word或Excel

             # 如果是Word文档
             if extension in ['doc', 'docx']:
                 r = requests.get(link['href'])
                 with open(filename, 'wb') as f:
                     f.write(r.content)

             # 如果是Excel文件
             elif extension == 'xlsx':
                 r = requests.get(link['href'])
                 data = pd.read_excel(io=r.content)  # 先读取内容再保存
                 df_path = os.path.join(os.getcwd(), filename)
                 data.to_excel(df_path, index=False)

   url_to_download = "http://example.com"  # 替换为实际网页URL
   download_files(url_to_download)

3. **注意**：
- 你需要根据实际网页的HTML结构来修改`file_links`的选择器。
- 文件路径可以按照需要自定义，这里使用了当前工作目录。