求教：python爬取云展网图片并还原成pdf文件的改进

alecc

在某论坛看到有python爬取云展网图片并还原成pdf文件的程序。还提供了源代码。
目前只能下载：https://book.yunzhan365.com/xxxx/xxxx/mobile/index.html
或者：http://www.yunzhan365.com/xxxxxxxxx.html 这样的网址，其他的网址会不行！
这个网站有些电子书还是有点意思的（非推荐，我下载的是中学辅导材料）
——————————————— 华丽分割线 —————————————————————————
我的系统是WIN7（64位）。这个程序下载后，运行，发现少了api-ms-win-core-path-l1-1-0.dll，千辛万苦的度娘，找到解决方案。也下载了几个文件。
发现，每次下载完后，要按任意键退出，下一次要重新启动系统。
——————————————— 再次分割 —  ————————————————————————
请高手改进一下，就是下载完后，回到初始状态，等候下一次下载（就是复制粘贴一下要下载的网页）
本人对编程完全是门外汉，所以不要笑话。
谢谢。

1. import os
   
2. import requests
   
3. from lxml import etree
   
4. import img2pdf
   
5. 
   
6. headers = {'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/86.0.4240.75 Safari/537.36'}
   
7. url = input('请输入云展网图集网址：')
   
8. splurl = url.split('/')            #分割网址，准备下面判断
   
9. if 'index.html' not in splurl:                #判断是那一种链接
   
10.     res = requests.get(url , headers=headers)  #获取源码
    
11.     res.encoding = res.apparent_encoding
    
12.     xml = etree.HTML(res.text).xpath('//div[@class="show-book-title"]/a/@href')[0].split('/')  #取得book.yunzhan365.con网址进行分割
    
13.     purl = xml[2] + '/' + xml[3] + '/' + xml[4] + '/files/' + 'mobile/'                            #构造图片下载网址前缀
    
14.     pathname = etree.HTML(res.text).xpath('//div[@class="show-book-title"]/a/text()')      #获取名称
    
15. else:
    
16.     res = requests.get(url , headers=headers)  #获取源码   
    
17.     res.encoding = res.apparent_encoding
    
18.     pathname = etree.HTML(res.text).xpath('/html/head/title/text()')      #获取名称
    
19.     purl = splurl[2] + '/' + splurl[3] + '/' + splurl[4] + '/files/' + 'mobile/'    #构造图片前缀
    
20. 
    
21. path = 'D:/yunzhanwang/'                               #存储路径
    
22. if not os.path.exists(path):               
    
23.     os.makedirs(path)                       #如果路径不存在就创建
    
24. m = 0      #定义图片名称变量
    
25. imgs = []       #准备空列表放置图片内容
    
26. with open(path + '/' + str(pathname[0]) + '.pdf' , 'wb') as f:       #创建并打开一个pdf文件，准备写入
    
27.     while True:         #死循环获取并写入图片
    
28.         m += 1      #名称变量
    
29.         surl1 = 'http://' + purl + str(m) +'.jpg'          #构造图片链接
    
30.         picurl = requests.get(surl1)       #获取图片内容
    
31.         if picurl.status_code == 200:       #判断下 如果图片存在就写入列表
    
32.             imgs.append(picurl.content)
    
33.         else:  
    
34.             f.write(img2pdf.convert(imgs))         #把列表中所有的图片内容 写入pdf
    
35.             print(f'采集完毕！一共采集了{m -1}张,生成的pdf是{path}目录下【{pathname[0]}.pdf】')
    
36.             break       #中止循环！
    

复制代码

alecc

最近看了很多python做爬虫的应用，包括扒B站的视频。也扒了些。欢迎交流。