分类：爬取百度文库

2021
05-23

python实现百度文库自动化爬取

项目介绍可以下载doc，ppt，pdf．对于doc文档可以下载，doc中的表格无法下载，图片格式的文档也可以下载．ppt和pdf是先下载图片再放到ppt中．只要是可以预览的都可以下载。已有功能 将可以预览的word文档下载为word文档，如果文档是扫描件，同样支持． 将可以预览的ppt和pdf下载为不可编辑的ppt，因为网页上只有图片，所以理论上无法下载可编辑的版本．环境安装pipinstallrequestspipinstallmy_fake_userage... 继续阅读 >

2020
12-04

python 爬取百度文库并下载(免费文章限定)

importrequestsimportreimportjsonimportossession=requests.session()deffetch_url(url):returnsession.get(url).content.decode('gbk')defget_doc_id(url):returnre.findall('view/(.*).html',url)[0]defparse_type(content):returnre.findall(r"docType.*?\:.*?\'(.*?)\'\,",content)[0]defparse_title(content):returnre.findall(r"title.*?\:.*?\'(.*?)\'\,",content)[0]de... 继续阅读 >