马上要六一了，想一想我小时候的儿童节老师大概率都会布置一些试卷，所以也算是渡过了一个很"快乐"的童年呢。

所以今天这篇文章来采集一下试卷网中的试卷，快来学习一下，然后采集几套试卷送给你身边还在上学的小朋友们吧，想必收到这个儿童节礼物他们应该会很高兴～

目标网站的页面大概是长这样的，结构还是很清晰的，不同科目，年级都很规律，可以说是比较容易采集的了。

我们以一年级的语文试卷为例来演示，首先点击"语文试卷"，选择"一年级"。会新打开一个标签页，可以看到试卷还是很丰富的，为了小朋友的身心健康，我们就先采集前 5 页的试卷吧。

打开开发者工具，查看页面的 dom 结构

核心就是这个表格 tbody 里的内容了，关键信息基本都有了，试卷名称，文件类型，版本，大小，上传日期。那么问题来了，怎么下载呢？ 我们继续点击某一个试卷，查看这个试卷的详情页面，可以看到页面底下有一个"本地下载按钮"。

利用开发者工具找到这个按钮的 dom 元素，如下，就能获取到这个试卷的下载地址了。点击测试一下，确实是能下载的。

这次就不用 js 来写脚本了，换 python 写吧，主打一个随心所欲。 大概原理，利用 request 库来请求内容，bs4 库来解析 html 提取试卷信息，下载链接等，开干～ 编写获取指定页面的所有试卷数据函数

测试执行执行一下，没什么问题

然后遍历获取到的试卷，得到下载地址

执行一下，成功拿到了试卷的下载地址。

编写下载试卷的函数，传入 url 和 folder，folder 暂时写死为 yuwen

执行后，就可以在当前目录下的 yuwen 文件夹中看到下载好的试卷文件了

试卷文件是压缩包，如果要手动解压的话，肯定是不行的。所以我们可以使用 rarfile 这个库来对文件进行解压。添加解压代码，解压后记得要删除原有的压缩包，代码如下

再来执行一次，完成后就能看到解压后的试卷了

最后，增加一个遍历条件，采集前 5 页的试卷

好了，到这里我们基本的功能就都实现好了。 如果你想指定下载的科目和年级，也可以支持，我们继续对代码进行一下改造，支持在执行的时候传入两个参数，分别是科目和年级。

比如下面的这个命令，就表示采集语文科目，1年级的试卷。如果要采集其他科目，也可以传入对应的参数即可

关键代码大致如下，解析脚本传入的参数

获取试卷列表页面的 list 地址

然后我们来尝试下载一年级的数学试卷

执行后的结果如下

作者：cooljser
链接：https://juejin.cn/post/7374968339905724426