大家可能平時都有在百度文庫下載文檔的經歷，費盡心思好不容易在文庫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。

有的人為了節省時間，就任性辦理了個文庫VIP，再也不用糾結怎么下文檔了。如果你是一個百度文庫的重度用戶，這樣做當然沒問題了。

但有些學生黨、上班族，他們可能只是為了交個作業，做一個產品匯報的PPT等等，對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。

有的人會說，我會選擇去某寶買下載券，需要用的時候，用賣家給的賬戶和密碼下載就可以了，這個方法我也用過，不過隨著百度文庫不斷修復漏洞，一些賣家的賬戶和密碼，很快就會失效，這也不是一個長久之計。

當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，自己一點點去復雜粘貼、放到手機版的百度文庫APP里，再另存為文章、或者用眾所周知的“冰點文庫”……

在我看來，這些都不是最優的解決方案，我今天就和大家分享一個我自己用Python寫的百度文庫免下載券的小項目。當然，這個項目主要是用來學習Python爬蟲的，如果有任何侵權嫌疑，請聯系我刪除！

1.優點

不僅可以下載word文檔，而且能下載PPT；

可以下載一個完整的文檔；

不需要用一些某寶賣家的漏洞網址。

2.準備工作

（1）本次程序主要用到了火狐瀏覽器的selenium，大家可以在下面網址下載自己火狐瀏覽器對應的驅動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）因為本次項目還涉及到了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，打開開發者工具，對文檔中圖片進行分析，如下圖所示：

圖片保存在標簽為div里面，所以寫代碼時首先需要找到這個標簽，然后再把圖片的url提取出來，同時，提取url時還要注意，有的屬性是“src”，有的是“data-src”，不然就會出現文檔丟失。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

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

6.word文檔下載

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

主要難點是當頁數過多時，會出現“繼續閱讀”的字樣，此時需要selenium模擬人去自動點擊，所以，需要提取找到“繼續閱讀”的按鈕；另外，還要獲取文檔的下載總頁碼，最后還需要對提取的文本進行分段整理。

（1）、尋找“繼續閱讀”位置

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

（2）、獲取總頁數

要獲取整個文檔，首先要找到文檔的總頁數，在下圖中找到保存總頁數的標簽。

還要分析文檔中的文字保存在哪個標簽，如下圖所示：

可以看到，文字主要保存在p標簽里，我們找到相應的p標簽，然后遍歷每一頁，提取文字。最后，還要設置一個判斷變量，因為提取的文字會有很多行，有的是一個段的，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.結果展示

（1）、PPT下載

（2）、word下載

總結

今天分享的這個用百度文庫免下載券的實戰項目，主要用自動化測試工具selenium，可以幫助大家獲取一些付費的學習資料，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，后臺回復「文庫」即可獲得項目源代碼。

最后，再次聲明，本次項目主要用來學習Python爬蟲，不能拿來商用，本人概不承擔所有法律責任，如果有侵權，請聯系作者，我馬上刪除。