python批量爬取文檔

　　最近項目需要將批量鏈接中的pdf文檔爬下來處理，根據以下步驟完成了任務：

1. 將批量下載鏈接copy到text中，每行1個鏈接；
2. 再讀txt文檔構造url_list列表，利用readlines返回以行為單位的列表；
3. 利用str的rstrip方法，刪除 string 字元串末尾的指定字元（預設為空格）；
4. 調用getFile函數：
   1. 通過指定分隔符‘/’對字元串進行切片，取list的最後一列即鏈接文檔名作為下載文件名。
   2. 調用urlopen,調用read、write方法完成下載

　　參考資料：

• https://blog.csdn.net/zhrq95/article/details/79300411
• https://blog.csdn.net/yllifesong/article/details/81044619

 1 import urllib.request
 2 import os
 3 
 4 def getFile(url):
 5     file_name = url.split('/')[-1]
 6     u = urllib.request.urlopen(url)
 7     f = open(file_name, 'wb')
 8     block_sz = 8192
 9     while True:
10         buffer = u.read(block_sz)
11         if not buffer:
12             break
13         f.write(buffer)
14     f.close()
15     print("Sucessful to download" + " " + file_name)
16 
17 os.chdir(os.path.join(os.getcwd(), 'pdf_download'))
18 
19 f=open('E:/VGID_Text/url_list.txt')
20 url_list=f.readlines()
21 url_lst=[]
22 for line in url_list:
23     line=line.rstrip("\n")
24     getFile(line)