用python写一个脚本,可根据某网页遍历该网站所有网页,将网址存入website.txt,找到所有包含pdf下载链接的网页,并下载10个pdf文件到指定文件夹,每下载成功一个打印出pdf文件名及网页网址,结束后打印出是否下载成功。

时间: 2024-02-29 17:57:11 浏览: 20
以下是一个可实现此功能的Python脚本示例: ```python import requests from bs4 import BeautifulSoup import os # 设置下载文件夹 download_folder = './downloads' # 创建下载文件夹 if not os.path.exists(download_folder): os.mkdir(download_folder) # 设置网站链接 url = 'https://example.com' # 存储所有网页链接的数组 pages = [] # 获取该网站的所有网页链接 def get_pages(url): global pages try: response = requests.get(url) soup = BeautifulSoup(response.content, 'html.parser') for link in soup.find_all('a'): href = link.get('href') if href not in pages and href.startswith(url): pages.append(href) get_pages(href) except: pass # 找到所有包含PDF下载链接的网页,并下载10个PDF文件 def download_pdfs(): count = 0 for page in pages: try: response = requests.get(page) soup = BeautifulSoup(response.content, 'html.parser') for link in soup.find_all('a'): href = link.get('href') if href.endswith('.pdf'): count += 1 if count <= 10: filename = href.split('/')[-1] filepath = os.path.join(download_folder, filename) with open(filepath, 'wb') as f: f.write(requests.get(href).content) print(f'Downloaded {filename} from {page}') except: pass # 将所有网页链接存入website.txt文件 def save_pages(): with open('website.txt', 'w') as f: f.write('\n'.join(pages)) # 运行程序 if __name__ == '__main__': get_pages(url) save_pages() download_pdfs() if len(os.listdir(download_folder)) == 10: print('Download successful!') else: print('Download failed.') ``` 该脚本首先会根据给定的网站链接遍历该网站的所有网页,并将链接存储在一个数组中。然后,它会找到所有包含PDF下载链接的网页,并下载前10个PDF文件到指定文件夹中。每当成功下载一个PDF文件时,该脚本会打印出文件名及其所在的网页链接。最后,该脚本会将所有网页链接存储在一个名为`website.txt`的文件中,并打印出是否下载成功。

最新推荐

recommend-type

智能制造的数字化工厂规划qytp.pptx

智能制造的数字化工厂规划qytp.pptx
recommend-type

罗兰贝格:德隆人力资源管理体系gltp.pptx

罗兰贝格:德隆人力资源管理体系gltp.pptx
recommend-type

JAVA3D的网络三维技术的设计与实现.zip

JAVA3D的网络三维技术的设计与实现
recommend-type

setuptools-11.3.1.tar.gz

Node.js,简称Node,是一个开源且跨平台的JavaScript运行时环境,它允许在浏览器外运行JavaScript代码。Node.js于2009年由Ryan Dahl创立,旨在创建高性能的Web服务器和网络应用程序。它基于Google Chrome的V8 JavaScript引擎,可以在Windows、Linux、Unix、Mac OS X等操作系统上运行。 Node.js的特点之一是事件驱动和非阻塞I/O模型,这使得它非常适合处理大量并发连接,从而在构建实时应用程序如在线游戏、聊天应用以及实时通讯服务时表现卓越。此外,Node.js使用了模块化的架构,通过npm(Node package manager,Node包管理器),社区成员可以共享和复用代码,极大地促进了Node.js生态系统的发展和扩张。 Node.js不仅用于服务器端开发。随着技术的发展,它也被用于构建工具链、开发桌面应用程序、物联网设备等。Node.js能够处理文件系统、操作数据库、处理网络请求等,因此,开发者可以用JavaScript编写全栈应用程序,这一点大大提高了开发效率和便捷性。 在实践中,许多大型企业和组织已经采用Node.js作为其Web应用程序的开发平台,如Netflix、PayPal和Walmart等。它们利用Node.js提高了应用性能,简化了开发流程,并且能更快地响应市场需求。
recommend-type

基于J2EE的B2C电子商务系统开发.zip

基于J2EE的B2C电子商务系统开发
recommend-type

zigbee-cluster-library-specification

最新的zigbee-cluster-library-specification说明文档。
recommend-type

管理建模和仿真的文件

管理Boualem Benatallah引用此版本:布阿利姆·贝纳塔拉。管理建模和仿真。约瑟夫-傅立叶大学-格勒诺布尔第一大学,1996年。法语。NNT:电话:00345357HAL ID:电话:00345357https://theses.hal.science/tel-003453572008年12月9日提交HAL是一个多学科的开放存取档案馆,用于存放和传播科学研究论文,无论它们是否被公开。论文可以来自法国或国外的教学和研究机构,也可以来自公共或私人研究中心。L’archive ouverte pluridisciplinaire
recommend-type

实现实时数据湖架构:Kafka与Hive集成

![实现实时数据湖架构:Kafka与Hive集成](https://img-blog.csdnimg.cn/img_convert/10eb2e6972b3b6086286fc64c0b3ee41.jpeg) # 1. 实时数据湖架构概述** 实时数据湖是一种现代数据管理架构,它允许企业以低延迟的方式收集、存储和处理大量数据。与传统数据仓库不同,实时数据湖不依赖于预先定义的模式,而是采用灵活的架构,可以处理各种数据类型和格式。这种架构为企业提供了以下优势: - **实时洞察:**实时数据湖允许企业访问最新的数据,从而做出更明智的决策。 - **数据民主化:**实时数据湖使各种利益相关者都可
recommend-type

解释minorization-maximization (MM) algorithm,并给出matlab代码编写的例子

Minorization-maximization (MM) algorithm是一种常用的优化算法,用于求解非凸问题或含有约束的优化问题。该算法的基本思想是通过构造一个凸下界函数来逼近原问题,然后通过求解凸下界函数的最优解来逼近原问题的最优解。具体步骤如下: 1. 初始化参数 $\theta_0$,设 $k=0$; 2. 构造一个凸下界函数 $Q(\theta|\theta_k)$,使其满足 $Q(\theta_k|\theta_k)=f(\theta_k)$; 3. 求解 $Q(\theta|\theta_k)$ 的最优值 $\theta_{k+1}=\arg\min_\theta Q(
recommend-type

JSBSim Reference Manual

JSBSim参考手册,其中包含JSBSim简介,JSBSim配置文件xml的编写语法,编程手册以及一些应用实例等。其中有部分内容还没有写完,估计有生之年很难看到完整版了,但是内容还是很有参考价值的。