Baixando PDFs

[Frederico Barbosa]

Olá pessoal.

Estou tentando baixar uma lista de PDFs que está neste link (https://www.snh2021.anpuh.org/site/anais) com o código abaixo.

Quando deixo o código rodando até a linha 11, consigo imprimir a lista de links normalmente, mas não sei como inserir apenas os links de extensão.pdf.

Quando rodo o código todo, obtenho o erro descrito abaixo.

Alguém poderia me ajudar?

import requests

import httplib2

import os

from bs4 import BeautifulSoup, SoupStrainer

artigos = []

http = httplib2.Http()

status, response = http.request('https://www.snh2021.anpuh.org/site/anais')

for link in BeautifulSoup(response, parse_only=SoupStrainer('a')):

    if link.has_attr('href'):

        artigos.append(link['href'])

        print(artigos)

        def baixa_arquivo(url, endereco):

            resposta = requests.get(url)

            if resposta.status_code == requests.codes.OK:

                with open(endereco, 'wb') as novo_arquivo:

                    novo_arquivo.write(resposta.content)

                print('Download concluído. Salvo em {}'.format(endereco))

            else:

                resposta.raise_for_status()

        if __name__ == '__main__':

            url_basica = 'https://www.snh2021.anpuh.org/{}'

            output = 'Download'

            for i in range(0, len(artigos) + 1):

                nome_do_arquivo = os.path.join(output, 'artigo{}.pdf'.format(i))

                a = artigos[i]

                baixa_arquivo(url_basica.format(a), nome_do_arquivo)

ERRO:

C:\Downloads\webscraping\venv\Scripts\python.exe C:/Downloads/webscraping/requisicoes.py

C:\Downloads\webscraping\requisicoes.py:9: GuessedAtParserWarning: No parser was explicitly specified, so I'm using the best available HTML parser for this system ("html.parser"). This usually isn't a problem, but if you run this code on another system, or in a different virtual environment, it may use a different parser and behave differently.

The code that caused this warning is on line 9 of the file C:\Downloads\webscraping\requisicoes.py. To get rid of this warning, pass the additional argument 'features="html.parser"' to the BeautifulSoup constructor.

  for link in BeautifulSoup(response, parse_only=SoupStrainer('a')):

['site/capa']

Traceback (most recent call last):

  File "C:\Downloads\webscraping\requisicoes.py", line 26, in <module>

    a = artigos[i]

IndexError: list index out of range

Download concluído. Salvo em Download\artigo0.pdf

Process finished with exit code 1

[Lucas Brahm]

O erro está nesta linha:

for i in range(0, len(artigos) + 1):

Trocar por:

for i in range(1, len(artigos) + 1):

--
--
------------------------------------
Grupo Python-Brasil
https://wiki.python.org.br/AntesDePerguntar
 
<*> Para visitar o site do grupo na web, acesse:
http://groups.google.com/group/python-brasil
 
<*> Para sair deste grupo, envie um e-mail para:
python-brasi...@googlegroups.com
---
Você recebeu essa mensagem porque está inscrito no grupo "Python Brasil" dos Grupos do Google.
Para cancelar inscrição nesse grupo e parar de receber e-mails dele, envie um e-mail para python-brasi...@googlegroups.com.
Para ver essa discussão na Web, acesse https://groups.google.com/d/msgid/python-brasil/702fafa0-937d-4cc7-a2ec-92cc08cc1468n%40googlegroups.com.

[Frederico Barbosa]

Olá, Lucas.

Eu já havia tentado, mas deu o erro IndexError: list index out of range

Frederico Barbosa
Engº. de Produção

Contato:

34 9 8864-3348

Para ver essa discussão na Web, acesse https://groups.google.com/d/msgid/python-brasil/CAJRDc96uNGY_iEDnqLthaKb%3DoqSk7kfDGQtbaCLg%2Bpk9-EMLQQ%40mail.gmail.com.

[Lucas Brahm]

Deve ter dado erro no último elemento.

Coloca

for i in range(0, len(artigos)):

Para ver essa discussão na Web, acesse https://groups.google.com/d/msgid/python-brasil/CALvR%2BQwTBhYe_Bx6nvXf5WbeG72YWAC6SHGedPyn_9-p%3DpidnA%40mail.gmail.com.

[Frederico Barbosa]

Obrigado, Lucas. Deu certo!!