在学校内，老师可能出于版权考虑，课件不开放下载，但这给学生造成了极大的不便。 因为看课件的平台和课上答题互动的平台连在一起，这就导致每次答题都需要进行切换，极为麻烦。 正好，我玩过爬虫，于是便想到可以用爬虫来批量拉取课件图片，再整合成pdf。
图片元素获取
按F12打开开发者工具，通过右键检查，找到了课件图片的url链接。
观察发现，课件图片的页数正好对应着url次数的递增，这给批量爬取带来了极大的便利。
批量爬取图片
上传pdf是由一片片图片组成的，因此，不能完整地将源文件的pdf下载到，只能一张张地将课件图片爬取下来。
代码语言：javascript复制def download(pages, path):
header = {'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_11_4) AppleWebKit/537.36 (KHTML, like Gecko) '
'Chrome/52.0.2743.116 Safari/537.36'}
i = 1
for num in range(pages):
url = change_url(i)
response = requests.get(url=url, headers=header)
img = response.content
with open((path "/%s.png") % i, 'wb') as f:
f.write(img)
i = i 1
def change_url(i):
url = 'https://s3.ananas.chaoxing.com/doc/a8/21/ec/92a430a1e30c0009ec827b4269bc5357/thumb/'
url = (url "%s.png") % i
return url代码比较好理解，将需要下载的地址封装到change_url中，之后用经典的requests库发送请求，获取图片，写入文件。
将图片转换成pdf
这部分稍有难度，我参考了博主snrxian的文章python几行代码，把图片转换、合并为PDF文档
这里有一些坑需要注意： 1.png文件的编码是RGBA，需要用Img库的convert转换成RGB编码，否则转换成pdf的函数会报错。
2.使用os读取图片时，图片会出现乱序，在读取后需要重新根据名字排序。
代码函数：
代码语言：javascript复制def turnpic2pdf(path, name):
img_open_list = [] # 创建打开后的图片列表
for root, dirs, files in os.walk(path):
files.sort(key=lambda x: int(x.split('.')[0])) # 根据文件名排序
# print(files)
for i in files:
file = os.path.join(root, i) # 遍历所有图片，带绝对路径
img_open = Image.open(file) # 打开所有图片
if img_open.mode != 'RGB':
img_open = img_open.convert('RGB') # 转换图像模式
img_open_list.append(img_open) # 把打开的图片放入列表
pdf_name = name '.pdf' # pdf文件名
img_1 = img_open_list[0] # 打开的第一张图片
# 把img1保存为PDF文件,将另外的图片添加进来，列表需删除第一张图片，不然会重复
img_open_list = img_open_list[1:]
img_1.save(pdf_name, "PDF", resolution=100.0, save_all=True, append_images=img_open_list)
print('转换成功！pdf文件在当前程序目录下！')附带main函数的完整代码
代码语言：javascript复制import requests
from PIL import Image
import os
def download(pages, path):
header = {'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_11_4) AppleWebKit/537.36 (KHTML, like Gecko) '
'Chrome/52.0.2743.116 Safari/537.36'}
i = 1
for num in range(pages):
url = change_url(i)
response = requests.get(url=url, headers=header)
img = response.content
with open((path "/%s.png") % i, 'wb') as f:
f.write(img)
i = i 1
def change_url(i):
url = 'https://s3.ananas.chaoxing.com/doc/a8/21/ec/92a430a1e30c0009ec827b4269bc5357/thumb/'
url = (url "%s.png") % i
return url
def turnpic2pdf(path, name):
img_open_list = [] # 创建打开后的图片列表
for root, dirs, files in os.walk(path):
files.sort(key=lambda x: int(x.split('.')[0])) # 根据文件名排序
# print(files)
for i in files:
file = os.path.join(root, i) # 遍历所有图片，带绝对路径
img_open = Image.open(file) # 打开所有图片
if img_open.mode != 'RGB':
img_open = img_open.convert('RGB') # 转换图像模式
img_open_list.append(img_open) # 把打开的图片放入列表
pdf_name = name '.pdf' # pdf文件名
img_1 = img_open_list[0] # 打开的第一张图片
# 把img1保存为PDF文件,将另外的图片添加进来，列表需删除第一张图片，不然会重复
img_open_list = img_open_list[1:]
img_1.save(pdf_name, "PDF", resolution=100.0, save_all=True, append_images=img_open_list)
print('转换成功！pdf文件在当前程序目录下！')
if __name__ == '__main__':
path = "pic" # 输入存放图片的路径
pages = 70 # 输入需要爬取的图片页数
name = '课件二' # 输入保存的pdf名字
download(pages, path)
turnpic2pdf(path, name)使用注意： 1、存放图片的文件夹须为空文件夹。 2、更换链接时，需要修改三个参数：1.图片页数pages，2.url，3.保存的pdf名字。 3、当图片过多时，download需要一定时间才能运行完，这时候可以先把后面的转换注释掉，分段运行。
声明
写在最后，声明一下： 本程序仅供学习交流，获取的课件仅供自己学习使用，不向外传播。
