背景

實現需求：批量下載聯想某型號的全部驅動程序。

一般在做網絡爬蟲的時候，都是保存網頁信息為主，或者下載單個文件。當涉及到多文件批量下載的時候，由于下載所需時間不定，下載的文件名不定，所以有一定的困難。

思路

參數配置

在涉及下載的時候，需要先對chromedriver進行參數配置，設定默認下載目錄：

global base_pathprofile = {  'download.default_directory': base_path}chrome_options = webdriver.ChromeOptions()chrome_options.add_experimental_option('prefs', profile)driver = webdriver.Chrome(executable_path='../common/chromedriver', options=chrome_options)driver.implicitly_wait(10)

頁面分析

聯想官網上每個型號的驅動下載頁面如上圖所示，雖然前面有一個登陸的遮罩，但是實際上并不影響點擊。需要注意的是：

驅動列表，需要點擊才可以顯示具體的下載項目表格，否則可以找到對應元素但無法獲取正確的信息

driver_list.find_element_by_class_name('download-center_list_t_icon').click()

每個下載列表的表頭建議做跳過處理

if sub_list.find_element_by_class_name('download-center_usblist_td01').text == '驅動名稱':  continue

下載處理

在頁面中，找到“普通下載”的元素，點擊即可下載。最終實現結果是我們希望根據網頁的列表進行重命名和重新歸檔到文件夾，但是我們會發現如下幾個問題：

• 下載過來的文件名無法控制。
• 依次下載的話，我們無法確認需要下載多久。并行下載的話，無法有效的區分重命名。

在網上找了很久，也沒找到在下載時直接重命名的方法，所以最終選擇依次下載，當每次下載完成后進行重命名和歸檔，思路如下：

• 對每個驅動目錄，先新建一個文件夾，如：主板
• 點擊下載后開始下載文件
• 通過os模塊，找到下載目錄中所有文件，并按創建時間排序，找到最新創建的文件
• 由于未完成的文件后綴為.crdownload（chrome），那么根據后綴來判斷是否已完成下載，未完成的話繼續等待

待下載完成，將文件重命名并剪切到開始建立的歸檔目錄。這里需要注意的是，有些文件名中不能存在/符號，否則會導致重命名失敗，需要做一下替換。

在后期測試的時候，發現還有幾個坑需要注意：

在查找最新創建的文件時，需要注意.DS_Store文件的處理。（Mac系統，Windows則需要考慮thumbs.db）

需要判斷一下最新創建的文件是否為文件夾，可以通過filter函數來處理

最新文件的排序查找實現如下：

def sort_file(): # 排序文件 dir_link = base_path dir_lists = list(filter(check_file, os.listdir(dir_link))) if len(dir_lists) == 0:   return '' else:   dir_lists.sort(key=lambda fn: os.path.getmtime(dir_link + os.sep + fn))   return os.path.join(base_path, dir_lists[-1])def check_file(filename): # 忽略系統文件 if filename == '.DS_Store' or filename == 'thumbs.db':   return False global base_path # 排除文件夾 return os.path.isfile(os.path.join(base_path, filename))

總結

最終實現效果如下：

完整代碼參考：https://github.com/keejo125/web_scraping_and_data_analysis/tree/master/Lenovo

以上就是本文的全部內容，希望對大家的學習有所幫助，也希望大家多多支持VEVB武林網。