python：湖南日报pdf下载合并代码

zjg121

输入8位数字的日期，可以下载各个版面的pdf，最后合成一个pdf文件。

[Python] 纯文本查看 复制代码

import os
import shutil
import requests
from PyPDF2 import PdfMerger


# 函数：从URL下载PDF文件
def download_pdf_from_url(url, filename, i):
    headers = {
        'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/58.0.3029.110'
    }
    response = requests.get(url, stream=True, headers=headers)
    if response.status_code == 200:
        print(i, end=' ')
        with open(filename, 'wb') as f:
            for chunk in response.iter_content(1024):
                if chunk:  # 确保只写入非空内容
                    f.write(chunk)
    else:
        print('.', end='')
        # print(f"Failed to download PDF. Status code: {response.status_code}")


# 函数：合并文件夹中的PDF文件
def merge_pdfs_in_folder(folder_path, output_filename):
    merger = PdfMerger()
    for filename in os.listdir(folder_path):
        if filename.endswith('.pdf'):
            file_path = os.path.join(folder_path, filename)
            merger.append(file_path)
    with open(output_filename, 'wb') as outfile:
        merger.write(outfile)
    merger.close()
    print(f"Merged PDF saved as {output_filename}")


# 主程序
def main():
    # 用户输入日期
    date_input = input('请输入形如20240417这样的8位数日期：')
    if not date_input.isdigit() or len(date_input) != 8:
        print("输入的日期格式不正确，请确保是8位数的数字！")
        return

    # 创建下载文件夹
    pdf_folder = 'd:/hnrb/temp'
    os.makedirs(pdf_folder, exist_ok=True)

    # 解析日期
    year_month = f'{date_input[:4]}-{date_input[4:6]}'
    day = f'{date_input[6:8]}'

    # 下载PDF文件
    for i in range(1, 99):
        ban = f'{i:02d}'  # 使用格式化字符串确保两位数
        pdf_url = f'https://hnrb.voc.com.cn/hnrb_epaper/images/{year_month}/{day}/{ban}/{date_input}{ban}_pdf.pdf'
        pdf_filename = os.path.join(pdf_folder, f'pdf_{date_input}{ban}.pdf')
        try:
            download_pdf_from_url(pdf_url, pdf_filename, i)
        except Exception as e:
            print(f"Failed to download {pdf_filename}: {e}")
    print()
    # 合并PDF文件
    output_pdf_filename = f'd:/hnrb/hnrb_{date_input}.pdf'
    merge_pdfs_in_folder(pdf_folder, output_pdf_filename)

    # 删除下载文件夹
    shutil.rmtree(pdf_folder)
    print('任务完成！')


# 执行主程序
if __name__ == '__main__':
    main()

lfmwxy

开始学习python

Trojians

已经使用上了，需要PyPDF2，很棒，是否可以加一个下载进度？

大器晚成0125

感谢分享，开始学习Python.

keenshin

可以的666

zzqiang97

学习一下

yysyWang

网站地址发一个

zjg121

yysyWang 发表于 2024-4-17 16:46
网站地址发一个

https://epaper.voc.com.cn/hnrb/html/2024-04/17/node_201.htm