baiduwenkudownloader/README_zh.md

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

GitHub 镜像：GitHub 仓库

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

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。

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：

pip install .

2. 安装 Node.js 依赖：

npm install

3. 启动 Node.js 服务：

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：

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！