吾爱破解python百度文库下载源码_【原创源码】【python】淘豆网文档下载探索

本帖最后由 pinhai 于 2020-2-26 23:13 编辑

一、引子

因发现有人悬赏下载淘豆网（taodocs.com）文档，之前看过python下载文泉的文档，就想试试看能不能用python下载淘豆网付费文档。

二、分析

以https://www.taodocs.com/p-55966379.html为例，浏览器为火狐。ctrl+shift+E打开开发工具-网络，刷新该页面，试一下“图像”选项，观察左侧请求，不难发现该页面里面加载的文档都是图片，分辨率810*1146，至此确定下载思路为下载每个页面的图片，最后合成为pdf格式。

01.jpg (134.14 KB, 下载次数: 0)

2020-2-26 19:50 上传

三、探索

1.要想下载图片就必须知道图片地址，查看上图所点选的请求，发现消息头为https://file.taodocs.com:808/img/Hj5pnzEjlNUzKb8@8S9qCO38LfhgpL2T，非常简单，前半部分为服务器地址https://file.taodocs.com:808/img/，后面为一个字符串，查看图片地址问题简化为查找字符串生成方式。多次打开该页面，发现针对同一个页面，该字符串是固定不变的，更进一步简化了探索过程。通过调试器查找该字符串，没有结果，也正常，如果能在源码中找到该字符串，这个问题也过于简单了。

02.jpg (71.56 KB, 下载次数: 0)

2020-2-26 19:50 上传

2.既然在源码中没有，那应该是从服务器动态获取的，重新翻看各个请求，发现这样一个请求

https://file.taodocs.com:808/?from=pc_55966379&furl=lBk9LJ9uXl6xoMR8lbVBog==&callback=jQuery112405711252286986038_1582691611656&_=158269161165，其响应结果为

[JavaScript] 纯文本查看 复制代码jQuery112405711252286986038_1582691611656({"imgs":["i8iHNYeTqVJnoWn94KhuiUcGAbR7NkEda7Pz/A2BXR6Klbsjxc6VBFlNSo2v+E+gPbaY0kGjILRUfWGVklmq1Q==","i8iHNYeTqVJnoWn94KhuiUcGAbR7NkEda7Pz/A2BXR5qt+SMkv+qjTc0lEgGxV7hMMSI+gTcr2AiNP8TFOBijg==","i8iHNYeTqVJnoWn94KhuiUcGAbR7NkEda7Pz/A2BXR7A4Dh7vPZP21hM7cvADzC9TKG2FdbWuk9LnmXlFAkXgg&#