使用Python的Requests和BeautifulSoup下载PDF文件-Python教程-PHP中文网

使用Python的Requests和BeautifulSoup下载PDF文件

王林

发布： 2023-08-30 15:25:06

转载

2078人浏览过

使用python的requests和beautifulsoup下载pdf文件

Request 和 BeautifulSoup 是可以在线下载任何文件或 PDF 的 Python 库。请求库用于发送 HTTP 请求和接收响应。 BeautifulSoup 库用于解析响应中收到的 HTML 并获取可下载的 pdf 链接。在本文中，我们将了解如何在 Python 中使用 Request 和 Beautiful Soup 下载 PDF。

安装依赖项

在 Python 中使用 BeautifulSoup 和 Request 库之前，我们需要使用 pip 命令在系统中安装这些库。要安装 request 以及 BeautifulSoup 和 Request 库，请在终端中运行以下命令。

pip install requests
pip install beautifulsoup4

登录后复制

使用 Request 和 Beautiful Soup 下载 PDF

要从互联网下载 PDF，您需要首先使用请求库找到 pdf 文件的 URL。然后我们可以使用 Beautiful Soup 解析 HTML 响应并提取 PDF 文件的链接。然后将基本 URL 和解析后收到的 PDF 链接结合起来，得到 PDF 文件的 URL。现在我们可以使用request方法发送Get请求来下载文件了。

SpeakingPass-打造你的专属雅思口语语料

使用chatGPT帮你快速备考雅思口语，提升分数

查看详情

示例

在下面的代码中，将包含 PDF 文件 URL 的页面的有效 URL 放在“https://example.com/document.pdf”处

立即学习“Python免费学习笔记（深入）”；

import requests
from bs4 import BeautifulSoup

# Step 1: Fetch the PDF URL
url = 'https://example.com/document.pdf'
response = requests.get(url)

if response.status_code == 200:
   # Step 2: Parse the HTML to get the PDF link
   soup = BeautifulSoup(response.text, 'html.parser')
   link = soup.find('a')['href']

   # Step 3: Download the PDF
   pdf_url = url + link
   pdf_response = requests.get(pdf_url)

   if pdf_response.status_code == 200:
      with open('document.pdf', 'wb') as f:
         f.write(pdf_response.content)
      print('PDF downloaded successfully.')
   else:
      print('Error:', pdf_response.status_code)
else:
   print('Error:', response.status_code)

登录后复制

输出

PDF downloaded successfully.

登录后复制

结论

在本文中，我们讨论了如何使用 Python 中的 Request 和 Beautiful Soup 库从互联网下载 PDF 文件。通过 request 方法，我们可以发送 HTTP 请求来验证 PDF 链接。一旦找到包含 PDF 文件链接的页面，我们就可以使用 Beautiful Soup 下载解析页面并获取 PDF 可下载链接。

以上就是使用Python的Requests和BeautifulSoup下载PDF文件的详细内容，更多请关注php中文网其它相关文章！