大家可能平時(shí)都有在百度文庫(kù)下載文檔的經(jīng)歷，費(fèi)盡心思好不容易在文庫(kù)找了一份可以用的資料，一看需要用下載券下載，搞的人很煩。

有的人為了節(jié)省時(shí)間，就任性辦理了個(gè)文庫(kù)VIP，再也不用糾結(jié)怎么下文檔了。如果你是一個(gè)百度文庫(kù)的重度用戶，這樣做當(dāng)然沒問題了。

但有些學(xué)生黨、上班族，他們可能只是為了交個(gè)作業(yè)，做一個(gè)產(chǎn)品匯報(bào)的PPT等等，對(duì)這部分人群再去辦理VIP，我覺得沒必要，畢竟掙錢也不容易，咱能省就省。

有的人會(huì)說，我會(huì)選擇去某寶買下載券，需要用的時(shí)候，用賣家給的賬戶和密碼下載就可以了，這個(gè)方法我也用過，不過隨著百度文庫(kù)不斷修復(fù)漏洞，一些賣家的賬戶和密碼，很快就會(huì)失效，這也不是一個(gè)長(zhǎng)久之計(jì)。

當(dāng)然除了我上面說的這些方法外，還有一些其他的神操作，比如，自己一點(diǎn)點(diǎn)去復(fù)雜粘貼、放到手機(jī)版的百度文庫(kù)APP里，再另存為文章、或者用眾所周知的“冰點(diǎn)文庫(kù)”……

在我看來，這些都不是最優(yōu)的解決方案，我今天就和大家分享一個(gè)我自己用Python寫的百度文庫(kù)免下載券的小項(xiàng)目。當(dāng)然，這個(gè)項(xiàng)目主要是用來學(xué)習(xí)Python爬蟲的，如果有任何侵權(quán)嫌疑，請(qǐng)聯(lián)系我刪除！

1.優(yōu)點(diǎn)

不僅可以下載word文檔，而且能下載PPT；

可以下載一個(gè)完整的文檔；

不需要用一些某寶賣家的漏洞網(wǎng)址。

2.準(zhǔn)備工作

（1）本次程序主要用到了火狐瀏覽器的selenium，大家可以在下面網(wǎng)址下載自己火狐瀏覽器對(duì)應(yīng)的驅(qū)動(dòng)geckodriver。下載地址：https://github.com/mozilla/geckodriver/releases/

下載解壓后，將geckodriver.exe安裝在Python的安裝目錄Scripts里面，之后就可以正常使用了。

（2）因?yàn)楸敬雾?xiàng)目還涉及到了PPT文檔的下載，所以，如果你沒安裝pptx模塊，需要在命令行輸入pip3 installpython-pptx提前安裝好。

3.PPT文檔下載

首先我們隨便找一個(gè)需要下載券的PPT文檔，本文以https://wenku.baidu.com/view/a132c661eef9aef8941ea76e58fafab069dc443d.html?rec_flag=default&sxts=1570202117357為例，打開開發(fā)者工具，對(duì)文檔中圖片進(jìn)行分析，如下圖所示：

圖片保存在標(biāo)簽為div里面，所以寫代碼時(shí)首先需要找到這個(gè)標(biāo)簽，然后再把圖片的url提取出來，同時(shí)，提取url時(shí)還要注意，有的屬性是“src”，有的是“data-src”，不然就會(huì)出現(xiàn)文檔丟失。主要代碼如下：

4.下載圖片

提取到圖片的url后，就可以下載所有的圖片，并以pictures命名保存在指定的路徑下。代碼如下：

5.組合成PPT

此時(shí)需要將上面下載好的圖片，利用編寫的函數(shù)重新合成ppt，這里就要用到剛才提前準(zhǔn)備好的生成PPT需要的包，此外，為了保證程序順利運(yùn)行，還需要一個(gè)ppt模板，這個(gè)模板里面只有一個(gè)圖片的占位，主要是為了讓所有圖片安裝模板來創(chuàng)建成新的幻燈片。代碼如下：

6.word文檔下載

關(guān)于文檔下載，本文以https://wenku.baidu.com/view/1b5ee5dbad51f01dc281f13e.html?sxts=1570243034873為例。

主要難點(diǎn)是當(dāng)頁(yè)數(shù)過多時(shí)，會(huì)出現(xiàn)“繼續(xù)閱讀”的字樣，此時(shí)需要selenium模擬人去自動(dòng)點(diǎn)擊，所以，需要提取找到“繼續(xù)閱讀”的按鈕；另外，還要獲取文檔的下載總頁(yè)碼，最后還需要對(duì)提取的文本進(jìn)行分段整理。

（1）、尋找“繼續(xù)閱讀”位置

本文主要用到了正則表達(dá)式，以及js語法。首先要找到繼續(xù)閱讀的位置，如下圖所示：

（2）、獲取總頁(yè)數(shù)

要獲取整個(gè)文檔，首先要找到文檔的總頁(yè)數(shù)，在下圖中找到保存總頁(yè)數(shù)的標(biāo)簽。

還要分析文檔中的文字保存在哪個(gè)標(biāo)簽，如下圖所示：

可以看到，文字主要保存在p標(biāo)簽里，我們找到相應(yīng)的p標(biāo)簽，然后遍歷每一頁(yè)，提取文字。最后，還要設(shè)置一個(gè)判斷變量，因?yàn)樘崛〉奈淖謺?huì)有很多行，有的是一個(gè)段的，有的不是一段的文字，這里需要處理一下，主要代碼如下：

7.寫入文檔

將下載好的文檔，以特定的名字寫入新的文檔，這里沒什么難度，代碼如下：

8.結(jié)果展示

（1）、PPT下載

（2）、word下載

總結(jié)

今天分享的這個(gè)用百度文庫(kù)免下載券的實(shí)戰(zhàn)項(xiàng)目，主要用自動(dòng)化測(cè)試工具selenium，可以幫助大家獲取一些付費(fèi)的學(xué)習(xí)資料，大家不用再去某寶買下載券，或者辦VIP了，如果有感興趣的小伙伴，后臺(tái)回復(fù)「文庫(kù)」即可獲得項(xiàng)目源代碼。

最后，再次聲明，本次項(xiàng)目主要用來學(xué)習(xí)Python爬蟲，不能拿來商用，本人概不承擔(dān)所有法律責(zé)任，如果有侵權(quán)，請(qǐng)聯(lián)系作者，我馬上刪除。