106 lines
2.3 KiB
Markdown
106 lines
2.3 KiB
Markdown
# 百度文库下载器
|
||
|
||
一个基于百度文库 Canvas 渲染机制逆向工程的自研文档下载工具。
|
||
|
||
## 官方网站
|
||
|
||
官方网站：[Gitea 仓库](https://lostjay.xyz/gitea/github/baiduwenkudownloader)
|
||
|
||
GitHub 镜像：[GitHub 仓库](https://github.com/lostjay/baiduwenkudownloader)
|
||
|
||
如需获取完整源代码，请联系作者：lostjaychi@gmail.com
|
||
|
||
## 功能特点
|
||
|
||
- 支持下载百度文库 PDF 文档
|
||
- 支持多种文档格式
|
||
- 异步处理提升性能
|
||
|
||
## 演示视频
|
||
|
||
观看 B 站演示视频：[百度文库下载器演示](https://www.bilibili.com/video/BV1FhMnzwEeK)
|
||
|
||
## 如何查找文档 ID
|
||
|
||
文档 ID 是百度文库 URL 中的唯一标识符。例如，在 URL：
|
||
```
|
||
https://wenku.baidu.com/view/1898f455874769eae009581b6bd97f192279bff4.html
|
||
```
|
||
文档 ID 为：`1898f455874769eae009581b6bd97f192279bff4`
|
||
|
||
您可以在任何百度文库文档页面的 URL 中找到此 ID。它是 URL 中 `/view/` 和 `.html` 之间的字符串。
|
||
|
||
## 测试 API
|
||
|
||
提供测试 API 端点用于测试 PDF 下载：
|
||
|
||
```
|
||
https://lostjay.xyz/api/get_pdf?doc_id=6bb03e2669dc5022aaea00e5
|
||
```
|
||
|
||
**重要提示**：同一时间只能处理一个 PDF。如果服务器繁忙，您可能会收到"Server is busy, please try again later"的响应。
|
||
|
||
## 环境要求
|
||
|
||
- Python 3.11 或更高版本
|
||
- Node.js 和 npm
|
||
|
||
## 安装步骤
|
||
|
||
1. 安装 Python 依赖：
|
||
```bash
|
||
pip install .
|
||
```
|
||
|
||
2. 安装 Node.js 依赖：
|
||
```bash
|
||
npm install
|
||
```
|
||
|
||
3. 启动 Node.js 服务：
|
||
```bash
|
||
npm start
|
||
```
|
||
|
||
## 项目结构
|
||
|
||
- `baiduwenkudownloader/`: 主 Python 包
|
||
- `CrawlerUtils/`: 网络爬虫工具函数
|
||
- `test/`: 测试文件
|
||
- `test_downloader.py`: 包含主要测试函数
|
||
|
||
## 测试
|
||
|
||
主要测试函数位于 `test/test_downloader.py`。要运行 PDF 下载测试：
|
||
|
||
```bash
|
||
cd test
|
||
python -m unittest test_downloader -k test_get_pdf
|
||
```
|
||
|
||
## 依赖项
|
||
|
||
### Python 依赖
|
||
- bs4
|
||
- lxml
|
||
- curl-cffi
|
||
- tenacity
|
||
|
||
### Node.js 依赖
|
||
- canvas
|
||
- express
|
||
- jspdf
|
||
|
||
## 免责声明
|
||
|
||
本项目仅供教育和研究目的使用。用户需遵守所有适用的法律法规。作者不认可或鼓励任何未经授权使用本软件的行为。请尊重知识产权并负责任地使用本工具。
|
||
|
||
## 许可证
|
||
|
||
ISC License
|
||
|
||
## 请作者喝杯奶茶
|
||
|
||
如果您觉得这个项目有帮助，欢迎通过微信支付请作者喝杯奶茶！
|
||
|
||
 |