alocne/baiduwenkuspider

实现对百度文库文档以pdf形式原格式下载

BaiduWenkuSpider

实现对百度文库文档以pdf形式原格式下载

简介

写在最前，要是好用的话不妨给个🌟🌟🌟star🌟🌟🌟🤪 本项目是基于python实现对百度文库可预览文档的下载,实现了对以下文档格式的下载：

• doc/docx
• ppt/pptx
• xls/xlsx
• pdf
• txt

⚠️本项目下载的文档均为pdf格式(除txt外)

安装

最简单的安装方式是直接克隆整个仓库：

$ git clone https://github.com/M010K/BaiduWenkuSpider

当然也可以选择下载zip文件至本地

依赖

由于本项目基于python开发，故需要安装相应的第三方库，具体名称以及版本需求如下

第三方库名称存储在requirement.txt中

⚠️⚠️⚠️需要下载的第三方库(个人的版本参照)

库名	版本
requests	2.19.1
chardet	3.0.4
bs4	4.6.3
PIL实际是 （Pillow）	5.2.0
pdfkit	0.6.1

⚠️一般来说，使用pip命令安装即可,关于PIL的安装请参考这篇python3 怎么安装 PIL

⚠️⚠️⚠️使用pdfkit需要安装wkhtmltopdf，放上下载的教程

可以参考一下这篇 Python快速将HTML转PDF ，妈妈再也不会担心我不会转PDF了（类似的教程挺多的）

或者这篇Convert HTML to PDF with Python

使用

将项目clone至本地后，下载不同类型的文档使用不同py文件即可

文档类型	文件
txt	GetTxt.py
ppt	GetPpt.py
doc/docx	GetAll.py
xls/xlsx	GetAll.py
pdf	GetAll.py

使用时将文档的url以及存储路径设置好即可,如下

存储路径若为空字符串，则默认在当前目录下生成

GetTxt('https://wenku.baidu.com/view/df3abfc36137ee06eff9183f.html?from=search', '存储路径').getTXT()

GetPpt('https://wenku.baidu.com/view/a5fc216dc9d376eeaeaad1f34693daef5ff7130b.html?from=search', '存储路径').getPPT()

GetAll('https://wenku.baidu.com/view/fb92d7d3b8d528ea81c758f5f61fb7360a4c2b61.html?from=search',"存储路径").Run()