声明：此代码仅仅是为了学习Python，分析网页用，借助平台记录学习过程。

我在读研时，常常在文库里面搜索一些资料，但苦于不能*载下**，所以后来就文库用的比较少。最近看了网上说可以免费*载下**百度文库文档、PPT之类，并且还有一个*载下**神器叫冰点文库，看了视频操作，真是强大，这可真破解了当年写论文的一大难题啊---资料搜索。今天写这个文章呢，纯粹就是为了检验Python学习效果。

一、网站分析

随便打开了一个文库（PPT）网页，如下图。

1. 需求分析。当我们打开网站后，类似上图，是一个4页的ppt，文字不能复制（不过网上传可以拖动复制值QQ对话框，有兴趣大家可以试试），*载下**还需要2个*载下**券。想*载下**，怎么破？今天我的目标就是要*载下**这个文档。
2. 利用开发者工具分析。

在上图中找出下图所标记的网址，可以看出该网址是返回的是一个json数据，里面有个list列表，正好四个元素，经分析，正好是四张PPT图片*载下**链接。

左侧网址打开后如下图，包含四个图片地址。

对Headers分析，get请求，带有6个参数，所以他的URL才那么长。

3，代码编写思路

一是使用requests发起请求。

二是获取doc_id,。如果*载下**单个的话可以不用那么麻烦，直接上网址就可以，如果想要通用的话，还是获取doc_id,构造请求参数。

三是获取json数据，从数据中把图片地址获取下来。下图为json格式化后的效果

四是*载下**图片。这是后期做成的exe文件。方便，通用。

五是将所有图片制作成PDF。

六是将*载下**的图片删除。

二、代码展示

代码写的不够完美，有点粗糙。

import requests,json,os
import fitz,re
#头信息
headers={
    'user-agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/81.0.4044.92 Safari/537.36'
}
print)
#用户输入地址，这块是可以看到PPT的地址
user_url = input(('请输入百度文库PPT*载下**地址：')

#使用字符串分割对输入的网址取出doc_id 
doc_id = user_url .split('/')[-1].split('.')[0]
#构造参数，将doc_id 传入
params={
    'doc_id':doc_id,
    'pn': 1,
    'rn': 99999,
    'type': 'ppt',

}
#获取json文件
def get_json(url):
    data=requests.get(url,headers = headers).text
    img_json=json.loads(data)
    return  img_json
if __name__ == '__main__':
    #请求访问，url拼接网址用，未带请求参数
    url = 'https://wenku.baidu.com/browse/getbcsurl?'
    response = requests.get(url, params=params, headers=headers)
    #传入的是json数据的网址
    img_json = get_json(response.url)
    # #创建一个空白的PDF文档
    doc = fitz.open()
   #获取ppt文件名
    data = requests.get(user_url  , headers=headers)
    data.encoding = 'gb2312'
    pat = '<title>(.*?)</title>'
    name = re.findall(pat, data.text, re.S)[0]
    name = name.split('')[0]
   #循环，*载下**图片
    for i in range(len(img_json)):
        print('共计PPT%d张'%len(img_json))
        #获取图片URL
        img_url = img_json[i]['zoom']
        #这个用于计数
        num = i + 1
        print('正在*载下**第%d张PPT,请稍等.......' % num)
        res = requests.get(img_url, headers=headers)
        #保存图片
        with open('%d'%i + '.jpg', 'wb') as f:
            f.write(res.content)
            print('载第%d张PPT*载下**完毕!' % num)
        #将图片转换为PDF
        img_doc =fitz.open('%d'%i + '.jpg')
        pdf = img_doc.convertToPDF()
        imgPdf = fitz.open('pdf',pdf)
        doc.insertPDF(imgPdf)
    doc.save('%s.pdf'%name )
    doc.close() 
    print(name+'已成功创建！')
   #循环，删除图片，需要图片的这步可以跳过
    for i in range(len(img_json)):
        os.remove('%d'%i + '.jpg')
    print('图片已删除')