由于导师要求，需要下载保险业协会官网-信息披露中保险公司披露的pdf文件。保险公司很多，每家又有不少年度披露的pdf。同时，神奇的是，无论怎么点击页面，网页的url都没有发生变化。为了拒绝当人肉爬虫，我们再次尝试使用Python帮助我们高效、自动地下载这些pdf文件。

 2 具体步骤我们打开保险业协会网站，点击不同的科目，如保险公司年度信息披露，我们发现页面的url并没有发生变化。这时，请不要怀疑自己的眼睛或是砸烂电脑，我们应该合理地怀疑页面采取了某些异步请求(Ajax)的方式。此时，我们需要找到发送真实请求的页面。我们打开开发者工具，在Network中勾选ALL，清空后重新点击我们要选取的科目，如关联交易合并披露。神奇的事情出现了，红框中标示出来了一个新的url，那么这个url是不是我们真正要找的OnePiece呢? http://icid.iachina.cn/ICID/front/leafColComType.do?columnid=2016072012158397

  Real url 我们进入此url。完蛋，这只是一个和上一页面神似但是长得更丑的网址。

  Enter url 我们破罐子破摔，点击第一家保险公司：中国人寿资产管理有限公司，同样我们发现url并没有发生变化。我们“自暴自弃”的按同样的操作观察它的XHR，发现url又变了： http://icid.iachina.cn/ICID/front/getCompanyInfos.do?columnid=2016072012158397&comCode=GSZC&attr=01 这下，事情似乎有转机了。我们发现似乎只需要在comCode这边赋值所有的保险公司简称即可。下一步就是获取所有的保险公司的简称，我们在上一页面，即 http://icid.iachina.cn/ICID/front/leafColComType.do?columnid=2016072012158397 中，使用select an element去审查每家保险公司的名字，发现其简称都存储在控件a的id中。因此，我们可以通过遍历的方式得到所有保险公司的简称，并带入到comCode中。以国寿资产(GSZC)为例，我们进入新的网址：

  Example 其中每一个pdf就是我们最终想得到的结果了，我们点击一个公告，同样查看它的XHR。 http://icid.iachina.cn/front/infoDetail.do?informationno=2020012109398975 接下来就是要获取informationno，它在这个页面控件为a的id处。我们进入这个url。那么最后一步就是获取国寿资产这一年度公告的pdf了。点开公告，我们可以看到url为 http://icid.iachina.cn/ICID/files/piluxinxi/pdf/viewer.html?file=8f993c5a-1c1c-4f91-a8a5-7fad85a14616.PDF file名恰好也存在上一页面控件为a的id中。需要注意的是，这边是viewer方式，我们只需要原始的pdf，因此改为以下url即可。 http://icid.iachina.cn/ICID/files/piluxinxi/pdf/8f993c5a-1c1c-4f91-a8a5-7fad85a14616.PDF 我们如同拆开套娃一般，成功拿到了最终的pdf。下面就是使用Python把它下载下来了。只需要写几个简单的循环，点击运行程序，再打开Dota2，一把dota的时间，Python已经帮我们下载完成了近1个G的pdf文件。 3 总结我们往往会碰到一些需要机械、重复操作完成的请求。这时，用程序实现往往是高效、省力的选择。在这个例子中，我们使用Python成功下载了所需要的大量pdf文件。由于不同网站的构造不同，保险业协会的网站采用了异步加载的方式，导致页面的url一直保持不变。我们通过开发者工具，成功找到了发送的真实请求。 4 代码最终code整理如下： from bs4 import BeautifulSoupimport requestsimport timefrom tqdm import tqdmimport osheader={"User-Agent":"Mozilla/5.0 (Windows NT 6.1; WOW64; rv:34.0) Gecko/20100101 Firefox/34.0"}url="http://icid.iachina.cn/front/leafColComType.do?columnid=2016072012158397"response=requests.get(url,headers=header)response.encoding='GBK'soup=BeautifulSoup(response.text,'lxml')data=soup.select('a')n=[]for i in data: try: n.append(i.attrs['id']) except: continuefor z in tqdm(n): url="http://icid.iachina.cn/front/getCompanyInfos.do?columnid=2016072012158397&comCode={}&attr=01#".format(z) response=requests.get(url,headers=header) response.encoding='GBK' soup=BeautifulSoup(response.text,'lxml') data=soup.select('a') l=[] name=[] for i in data: try: l.append(i.attrs['id']) name.append(i.text) except: continue l=l[:-1] name=name[:-1] for j in range(len(l)): url="http://icid.iachina.cn/front/infoDetail.do?informationno={}".format(l[j]) response=requests.get(url,headers=header) response.encoding='GBK' soup=BeautifulSoup(response.text,'lxml') data=soup.select('a') link=data[1].attrs['id'] url="http://icid.iachina.cn/files/piluxinxi/pdf/{}".format(link) response=requests.get(url,headers=header) pdf = response.content #写入pdf c=0 with open(r"C:UsersadminDesktop关联auto{}.pdf".format(name[j]),'wb') as f: f.write(pdf) while os.path.getsize(r'C:UsersadminDesktop关联auto{}.pdf'.format(name[j]))==0: time.sleep(3) url="http://icid.iachina.cn/files/piluxinxi/pdf/{}".format(link) response=requests.get(url,headers=header) pdf = response.content with open(r"C:UsersadminDesktop关联auto{}.pdf".format(name[j]),'wb') as f: f.write(pdf) c =1 if c>=5: break