百度文库下载器Python实现

简介

以前可以用学校的企业账户下载文档，后来百度文库改版，需要买下载券或者会员。因此需要一个百度文库下载器。

之前有冰点文库下载器但是后来不好使了。

下面给出利用Python写的百度文库下载器。

此下载器可以下载doc类型的，txt类型的文本文档及PPT，不过PPT最终将以图片的形式保存。由于百度文库限制，暂时无法突破有试阅读的文档。PDF文档随缘下载。

实现思想及步骤

①文档链接网页GBK转码
②获取文档类型
③获取文档ID，每个文档都有一个ID，获取ID值，以下面的格式获取（以PPT为例）图片资源

https://wenku.baidu.com/browse/getbcsurl?doc_id=” + doc_id + “&pn=1&rn=99999&type=ppt

原理，预览页面中的这个不是PPT而是PPT图片，我们需要了解这个PPT是从哪儿获取的，找到了地址也就能把这些图片下载下来。

PPT转换核心源码

def gen_PPT(doc_id):
    global url
    index = 0
    content_url = "https://wenku.baidu.com/browse/getbcsurl?doc_id=" + doc_id + "&pn=1&rn=99999&type=ppt"
    content = fetch_url(content_url)
    urlList = re.findall('{"zoom":"(.*?)","page"', content)
    urllist = [item.replace("\\", '') for item in url_list]
    if not os.path.exists(doc_id):
        os.mkdir(doc_id)
    for url in URLlist:
        content = session.get(url).content
        path = os.path.join(doc_id, str(index) + '.jpg')
        with open(path, 'wb') as f:
            f.write(content)
        index = index + 1

界面

界面太丑，不要在意

保存的文件

CSDN下载地址
https://download.csdn.net/download/xyisv/10531452

谢谢支持！
更多内容访问omegaxyz.com
网站所有代码采用Apache 2.0授权
网站文章采用知识共享许可协议BY-NC-SA4.0授权
© 2018 • OmegaXYZ-版权所有 转载请注明出处