Pdfファイルこれは私のコードでHTMLファイル - パイソン

Question

として保存：

import requests 
import time 
from bs4 import BeautifulSoup as bs 
import urllib.request 
user_agent = 'Mozilla/5.0 (Windows; U; Windows NT 5.1; en-US; rv:1.9.0.7) Gecko/2009021910 Firefox/3.0.7' 
headers={'User-Agent':user_agent,} 
_URL = 'http://papers.xtremepapers.com/CIE/Cambridge%20International%20A%20and%20AS%20Level/Chemistry%20%289701%29/' 

r = requests.get(_URL) 
soup = bs(r.text) 
urls = [] 
names = [] 
for i, link in enumerate(soup.findAll('a')): 
    _FULLURL = _URL + (link.get('href')) 
    if _FULLURL.endswith('.pdf'): 
     urls.append(_FULLURL) 
     names.append(soup.select('a')[i].attrs['href']) 
names_urls = zip(names, urls) 

for name, url in names_urls: 
    print (url) 
    rq = urllib.request.Request(url,None,headers) 
    res = urllib.request.urlopen(rq) 
    pdf = open("pdfs/" + (name), 'wb') 
    pdf.write(res.read()) 
    pdf.close() 
    print("completed") 

PDFがダウンロードしているが、私はそれらを開いたとき、私は error
PSを取得します。私はPythonに新しいので、これがルーキーミスであれば私を許してください

Answer 1

あなたのコードのどこに誤りがあるのか​​正確には言えません - おそらくあなたが実際にPDFのURLを構築する方法です最初の賭け） - しかし、Pythonの要求を使用して根のURLのみ（ "http://papers.xtremepapers.com"）をベースURLとして使用するとうまくいくようです（少なくともコンテンツタイプは期待されるアプリケーション/ pdfです）。次のスクリプトはず作業（マイナスの可能なタイプミスやその他もろもろ - 私はそれらのpdfファイルのxD必要としない、スクリプト全体をテストしていない）たぶん、あなたは `PDFを変えてみてください

import requests 
from bs4 import BeautifulSoup 

ROOT_URL = 'http://papers.xtremepapers.com' 
PAGE_URL = ROOT_URL + '/CIE/Cambridge%20International%20A%20and%20AS%20Level/Chemistry%20%289701%29/' 

page = requests.get(PAGE_URL) 
soup = bs(page.text) 
urls = [] 

for link in soup.findAll('a'): 
    href = link.get('href') 
    if not (href and href.endswith('.pdf')): 
     continue 

    # builds a working absolute url 
    url = ROOT_URL + href 
    # only keeps the filename part as, well, filename 
    name = href.split('/')[-1] 
    print("url: {} - name : {}".format(url, name)) 

    try: 
     r = requests.get(url) 
     # this will raise if not 200 
     r.raise_for_status() 
     # check the content type and raise if not ok 
     if r.headers["Content-Type"] != "application/pdf": 
      raise ValueError("unexpected content type '{}'".format(r.headers["Content-Type"])) 

    except Exception as e: 
     print("{} failed : {}".format(url, e)) 
     continue 

    with open("pdfs/" + (name), 'wb') as pdf: 
     pdf.write(r.content) 
    print("{} ok".format(name)) 

print("Done")