百度文库下载工具---2019-3-6 更新到0.95，PPT下载部分支持

jimmyzang

2019-3-6日更新：
更新到版本0.95
主要更新内容：
1：支持ppt下载，不过百度返回的ppt是图片，不是源文件，PPT下载后只是图片格式，不是源文件，这个真的没办法。不过如果只是把PPT下载下来播放，不需要太多修改的，用这个也就够了。
2：大家提出意见希望可以支持选择文件下载路径，一起修改上去了。


下载链接: https://pan.baidu.com/s/1TKLLq9f4P93wCsoIx6iqJQ 提取码: rg7t



2019-2-15 日更新：
更新版本到0.9：
主要更新内容：
1：可以支持图片下载，我看过，word里面直接粘贴图片的，基本上都可以正确裁剪并且下载，可能插入位置有的时候会要大家手动去搞个换行....但是大部分都是正确的。
2：下载后缀名为docx，解决老版本word不能打开问题。


遗留问题：
1：如果在word里面用线段绘制的图形不能下载。
2:  50页逻辑不能下载
3：ppt不能下载
4：界面还是难以置信的丑。。。


最近这两天孩子放寒假，没办法，有点空都在陪他们，实在抽不出时间，不好意思啊。


下载链接：
0.9版本：
链接: https://pan.baidu.com/s/1V77iTXR3N-av_pHjLvEmCA 提取码: 6uvu

2018---12---30日：
记录两个问题：
1：有兄弟反馈下载不全，看了一下，百度超过50页的有另外一个逻辑，需要再破解一下。这部分容我再想想。在此记录一下。


临时解决方案：
原来百度文库超过50页的，是有其他逻辑的，这个要容我再看看。临时解决方案，先直接下载一次。文件改名。 然后用链接
https://wenku.baidu.com/view/xxx ... x.html?from=search&pn=51 下载第二次。
https://wenku.baidu.com/view/xxx ... x.html?from=search&pn=101 下载第三次
把三个doc拼在一起即可。
请记得改名，因为三个文档名称相同，会覆盖的。
2：word 老版本打开乱码的，请把后缀改成docx试试看。因为老版本的word是不能直接识别docx格式，需要从后缀名判断。下个版本我直接保存成docx后缀。

2018---12---28日：

今日得宽裕，更新一版 到0.02：
1：应该支持32位windows了，我是照着教程上做的，但是本地没环境，那个兄弟有环境测试过，私信给我一下，多谢。我就不为这事装一个32位windows了。。。
2：pdf 百度有两种格式，一种是图片拍照上去的，一种是文字版本的，文字版本pdf的现在可以支持了。
3：有兄弟反馈文件名每次都是test太丑，修改为下载的文件名，这个已经改好。

遗留问题和大家反馈的问题：
1：图片问题还不能下载，其实基本已经搞定，但是测试中发现有些图片无法下载下来，感觉很奇怪，可能问题出在PIL库里面，需要再多一点时间调试一下。国庆后的那个月中旬可以给大家一个版本，不过插入位置可能会有点小问题。
2：ppt格式现在不能下载。
3：界面太丑。。。。我也知道。捂脸。。。
pdf文字版本下载后，图片示例如下：左边是百度文库的pdf预览，右边是下载后的格式


0.02版本下载链接 请移步到此楼底部，谢谢。



2018---12----25 回复一下大家的几个问题：
1：32位windows用不了， 这个是pyinstall在windows 64位上打包的问题。这个应该属于可以解决的问题，不过容我把它放到图片下载之后解决吧。
2：MS Word打开不了是乱码， 我本机没有按照word，用的是wps，用wps一定是可以的。我用的是python的docx包转存的，这个问题我可能搞不定。记录一下，回头有空安装个word看看。
3：收费的为啥不能下全部。 目前确确实实只能下载可以预览的部分，如果收费的部分不能预览，就无法下载，这部分没有计划去做，因为有点越线了，偶不太想去做，所以抱歉。
4：到底这个下载的和其他下载有啥不同，其实主要就一句话，大部分的文字格式 ，段落，颜色都是可以保留的，都是和在百度文库上看到的差不多。
5：excel的格式和word有很大不同，分析起来要费很大劲了，不过pdf格式倒是可以先支持起来。

开发计划：
1：支持PDF
2：支持PIC下载
3: 32位 windows支持
4： 看一下word会有乱码问题。


帖子太长了，有着急的问题私信我把，我争取两天就把整个楼爬一边。




原文 =====================================================================

最近用百度文库里面的word文档，每个都要下载券，搞得火大。到网上搜索，可以下载原格式的，都是需要千方百计的要付费，反正不是要付给百度，就是要付给淘宝或者微信。

唯一几个不需要付费的，下载下来格式惨不忍睹，几乎都不能用，只是单纯的txt文本，还没有什么换行。

明确几点：
1：不能下载付费文档。 也就是需要付人民币的，都不行。
2：其实说白了，就是把可以预览的word部分给整理出来，变成doc格式。
3：如果word里面都是图片的。已经遇到过这种情况了，现在还不能支持。是不是图片，用鼠标在百度文库页面划拉一下就知道了，不能被选中的就是图片。（其实也是可以整出来的，但是偶有点懒。。。现在没动力）

其实我的诉求很简单 ，就是把word文件下载下来，不要求格式完全正确，但是要八九不离十。


为啥不用冰点文库？

主要是因为冰点是先导出pdf，然后扫描出txt，文字识别有可能会错误，还有就是用word打开txt文档还是有字体，颜色等丢失，pdf本身编辑又不方便。还有就是总是要设置我的首页。。。。。

特意做了这样的一个小工具，共享给大家。有很多地方还可以继续优化，可是做的非常累，给大家看看有没有人喜欢，有人喜欢的话，偶就继续再做做。

偶本身不是做界面出身的，因为要给大家使用，还强行去学了一个界面，搞得丑的自己都不想要，大家克服一下吧。

界面逻辑，就一个按钮（实在是不会写界面），空白框里面输入百度文库地址，点击提交。

文档下载到当前目录下的download文件夹里面，无论啥文件，下载号以后都叫test.doc，自己注意重命名，不然会覆盖。 （下个版本加上自动命名吧）

还有就是偶用python做的，不知道为啥python3.7打包出来文件好大好大，要37.6MB，我也很崩溃呀，如果是我自己看到这样的大小，我也以为是病毒呀，可是确实就是这么大，这里面没有任何广告，后门 。。。。。

界面后面故意留了个command窗口，是因为不会做进度条，下载时有信息都是直接输出到command窗口的。大家要是不希望回头我去学怎么做个进度条出来。。。。
   

当前可以做到的是：

1：仅仅支持DOC格式，虽然pdf，txt格式不难，但是还没有时间去做。


2：这个工具可以做到的就是doc文件格式文本下载，字体，颜色，段落基本上都是正确的。


3：目前只能撷取doc文章中的文字部分，图片部分当前还没有完成，已经有思路了，技术上是可行的，回头我再想想怎么整合到代码里面去。


当前实现功能

1：doc格式可以下载，可以识别部分：

1.1:硬回车换行，基本可以正常识别。

1.2:表格中偶尔有硬回车，基本可以识别。

1.3:软回车，基本可以识别

2:文字应该不会有错别字，因为不是用pdf扫描识别做的。


界面如下，很土很土

代码用的是python。




最后放地址：
版本0.01， 64位only
链接: https://pan.baidu.com/s/197YJMV1v6RCIE_8kkXpZ0w 提取码: 9zm2
版本0.02， 64/32位
链接: https://pan.baidu.com/s/1m1UjgoaieK13-6NnwplzgQ 提取码: gwf7
下载链接：
0.9版本，64/32位
链接: https://pan.baidu.com/s/1V77iTXR3N-av_pHjLvEmCA 提取码: 6uvu
0.95版本：64/32位


链接: https://pan.baidu.com/s/1TKLLq9f4P93wCsoIx6iqJQ 提取码: rg7t

有啥问题此贴给我留言吧，希望有人喜欢，你们喜欢了我才用动力继续开发

pipijia

谢谢分享，加油呀

阿非

谢谢楼主，太好了，一直在找这样的工具

qinling072

感谢分享。。。

动感变色龙

都是大神 赞一个

jimmyzang

戏子如梦 发表于 2018-12-25 17:16
这个貌似不能不是VIP下载不了 能预览的冰点也可以的

是的，您说的没错，其实需要付费的也许可能是可以绕过去的，我曾经分析过，最后卡在一个验证上，但是如果下大力气去分析的话，那个验证字符串应该也是有规律的。但是到最后怂了，不敢去搞了。怕出事情。

Hellwork

其实，去淘宝买一个账号，然后把他的积分转到自己的账号就行了。

zyfwhx

感谢啊，这东西好，谢谢分享！！！

aerofsm

很需要百度文库下载工具

xmdms

感谢分享

Swagoo

.....................

游解V

制做不易，非常感谢分享~

花心乞丐

相当不容易