python批量爬取文档

最近项目需要将批量链接中的pdf文档爬下来处理，根据以下步骤完成了任务：

1. 将批量下载链接copy到text中，每行1个链接；
2. 再读txt文档构造url_list列表，利用readlines返回以行为单位的列表；
3. 利用str的rstrip方法，删除 string 字符串末尾的指定字符（默认为空格）；
4. 调用getFile函数：
   1. 通过指定分隔符‘/’对字符串进行切片，取list的最后一列即链接文档名作为下载文件名。
   2. 调用urlopen,调用read、write方法完成下载

参考资料：

• https://blog.csdn.net/zhrq95/article/details/79300411
• https://blog.csdn.net/yllifesong/article/details/81044619

import urllib.request
import os

def getFile(url):
    file_name = url.split('/')[-1]
    u = urllib.request.urlopen(url)
    f = open(file_name, 'wb')
    block_sz = 8192
    while True:
        buffer = u.read(block_sz)
        if not buffer:
            break
        f.write(buffer)
    f.close()
    print("Sucessful to download" + " " + file_name)

os.chdir(os.path.join(os.getcwd(), 'pdf_download'))

f=open('E:/VGID_Text/url_list.txt')
url_list=f.readlines()
url_lst=[]
for line in url_list:
    line=line.rstrip("\n")
    getFile(line)