终于写出了第一个Python小程序，批量下载单页pdf

[ouankou]

前几天找本很老的书，纸质书只有图书馆有，电子版要么上淘宝买要么到论坛上灌水刷金币买。好不容易找到一个网站可以在线看，但只能单页保存，GF帮忙点了好久才下了几十页。于是就想试着写个脚本批量下载。
一个高手看起来巨简单的的程序，我在官网上看了N久的库文献加上N多google代码片段，断断续续写了3天才出来，不过总算稍微入点门了⋯⋯
代码如下，看那一堆注释就知道每一步我都要调试几遍才能过去。最后组合单页pdf，去水印本来也想直接完成的，但mac终端下没有现成的程序，准备手动用Acrobat完成了。
因为我没有看几页《A byte of Python》就开始写了，只是想完成需求就好了，所以写得肯定有好多不正规的地方。请大家帮忙指点一下，哪些地方可以改进或是写得更正规一点？
谢谢啦！


#下载西山电子书
import urllib.request
import re
import os
#循环 次数＝书页数
for i in range(1, 231):
#get pdf所在网页
fileHandle = urllib.request.urlopen('http://www.bjmem.com/bjm/bjwh/include/showpdf.jsp?bookId=5259&xuhao=' + str(i) + '&pdfuri=/bjm/bjwh/zrdl/200711/')
#打开网页文件搜索SRC一行，读取pdf网址
pagesrc = str(fileHandle.read(), 'utf-8')
fileHandle.close()
# print (pagesrc)
posbegin = re.search('PARAM NAME="SRC" VALUE=', pagesrc)
# print (posbegin.end())
#original = re.compile(pagesrc)
#print (original)
posend = re.search('.pdf', pagesrc)
# print (posend.end())
# print (pagesrc[posbegin.end():posend.end()])
pdfaddress = 'http://www.bjmem.com/' + pagesrc[posbegin.end():posend.end()]
# print (pdfaddress)
#wget下载pdf，并按页码命名
cmd = 'wget -c ' + pdfaddress + ' -O bjxs' + str(i) + '.pdf'
os.system (cmd)
#print (url)
#用工具组合pdf为一个文件

[TheSe7en]

贊一個!

[neildd]

其实文件名是流水号的话，用wget一个命令就完成了，根本用不着写脚本。

[ouankou]

@neildd 问题就是网页参数是流水号，而且从－6开始，变态⋯⋯。pdf地址内尾部是随机的6位数字，至少我看不出什么规律，所以就手动提取了。

类似这样的，最后六位数字每页都不同。
<PARAM NAME="SRC" VALUE=/bjm/bjwh/zrdl/200711/P020071117503730461643.pdf>

[zern]

欢迎LZ来我的豆瓣pdf小站寻找古本PDF哈哈

http://site.douban.com/171180/

介绍分享珍稀古本或优质PDF文件
--

[huihen]

楼上不错

[armoni]

curl提取pdf地址，然后wget，这事儿还是shell好使

[twor2]

赞一个

[zhaobei92]

pagesrc = str(fileHandle.read(), 'utf-8') 这句好像不能实现吧。

[ouankou]

@zhaobei92 是的，那个编码选错了，这里贴的代码已经改了不少。这句改成了：
pagesrc = str(fileHandle.read(), 'euc-jp', 'ignore')

请参见：
https://github.com/ouankou/Caribrenamer

[ouankou]

@zhaobei92 哦⋯⋯不好意思，回复错了。

这个脚本可以正常实现啊，已经下完整本书了。

[zhaobei92]

@ouankou 难道你用的是python3.0 .我用python2.7提示str里只能给一个参数啊。

[ouankou]

@zhaobei92 哦，是的，不好意思，没有说明。我确实用的Python3，可能有些语句用法不完全一样。