标签：方便 文件夹 error path clean library user exists lxml
在Esri的官网上，可以下载到Esri参加或者举办的各类会议的材料。官方地址为：http://proceedings.esri.com/library/userconf/index.html。
针对某一会议，该网上往往提供会议材料清单表格，部分材料是提供下载的，例如PPT文档或者PDF文档。
以下脚本可用于辅助下载Esri Proceeding网站上的会议PPT，下载好的文档会自动以文档的标题重命名，这样方便检索使用。
制定下载后存放文档的本地文件夹，预先把包含会议材料清单表格的页面使用浏览器保存到本地。
# -*- coding:utf-8 -*-
from lxml import etree
from lxml.html import soupparser
import re
from os import path
import shutil
from os import rename
from urllib.request import Request
import urllib.request
try:
rootpath = ‘D:/EsriPPT/‘
f = open(‘D:/Recent Proceedings.html‘, ‘r‘, encoding="windows-1252", errors=‘ignore‘)
t = ‘‘.join(f.readlines())
parser = etree.XMLParser(encoding=‘gbk‘, dtd_validation=False, recover=True, ns_clean=True)
tree = soupparser.fromstring(t)
rows = tree.xpath(‘//table/tbody/tr‘)
for r in rows:
cols = r.xpath(‘td‘)
for links in cols[1].iterchildren(tag=‘a‘):
result = re.search(r‘dev_int_\d+\.pdf‘, links.get(‘href‘))
if(result!=None):
oldpath = rootpath + result.group(0)
newpath = cols[0].text + ‘.pdf‘
newpath = rootpath + newpath.replace(‘:‘, ‘_‘).replace(‘/‘, ‘‘).replace(‘?‘, ‘‘)
# to check whether the original file has downloaded
if path.exists(oldpath) and not path.exists(newpath):
rename(oldpath, newpath)
else:
remote = ‘http://proceedings.esri.com/library/userconf/devsummit17/papers/‘ + result.group(0)
urllib.request.urlretrieve(remote, oldpath)
rename(oldpath, newpath)
finally:
f.close()
del tree
标签：方便 文件夹 error path clean library user exists lxml
原文地址：http://www.cnblogs.com/luwl/p/6944957.html
