Question

我正在使用内置 API 从不同的 URL 下载 pdf 文件。

我的最终结果应该是将文件从每个唯一链接（在下面的代码中标识为 links）下载到桌面上的唯一文件夹（代码中的 folder_location）。

我很困惑我应该如何安排代码来做到这一点，因为我仍然是一个新手。到目前为止，我已经尝试了以下方法。

import os
import requests
from glob import glob
import time
from urllib.parse import urljoin
from bs4 import BeautifulSoup

links = ["P167897", "P173997", "P166309"]

folder_location = "/pdf/"


for link, folder in zip(links, folder_location):
    time.sleep(10)
    end_point = f"https://search.worldbank.org/api/v2/wds?" \
                f"format=json&includepublicdocs=1&" \
                f"fl=docna,lang,docty,repnb,docdt,doc_authr,available_in&" \
                f"os=0&rows=20&proid={link}&apilang=en"
    documents = requests.get(end_point).json()["documents"]
    for document_data in documents.values():
        try:
            pdf_url = document_data["pdfurl"]
            filename = os.path.join(folder,pdf_url.split('/')[-1])
            with open(filename, 'wb') as f:
                f.write(requests.get(pdf_url).content)

编辑：澄清一下，links 中的对象是基于从 API 识别的 pdf 文件链接的 ID。

Answer 1

您可以尝试使用 pathlib 模块。

方法如下：

import os
import time
from pathlib import Path

import requests

links = ["P167897", "P173997", "P166309"]

for link in links:
    end_point = f"https://search.worldbank.org/api/v2/wds?" \
                f"format=json&includepublicdocs=1&" \
                f"fl=docna,lang,docty,repnb,docdt,doc_authr,available_in&" \
                f"os=0&rows=20&proid={link}&apilang=en"
    documents = requests.get(end_point).json()["documents"]
    for document_data in documents.values():
        try:
            pdf_url = document_data["pdfurl"]
            file_path = Path(f"pdf/{link}/{pdf_url.rsplit('/')[-1]}")
            file_path.parent.mkdir(parents=True, exist_ok=True)
            with file_path.open("wb") as f:
                f.write(requests.get(pdf_url).content)
            time.sleep(10)
        except KeyError:
            continue

这会将文件输出到：

pdf/
└── P167897
    ├── Official-Documents-First-Restatement-to-the-Disbursement-Letter-for-Grant-D6810-SL-and-for-Additional-Financing-Grant-TF0B4694.pdf
    └── Official-Documents-Grant-Agreement-for-Additional-Financing-Grant-TF0B4694.pdf
    ...

网页抓取 - 将文件保存到嵌套文件夹

1 个答案: