【文件属性】:
文件名称:crawlBaiduWenku:这可能是爬百度文库最全的项目了
文件大小:17.38MB
文件格式:ZIP
更新时间:2021-03-09 03:52:59
python spider baiduwenku Python
爬取百度文库
需求是发明之母
想下载文件又不想花钱和积分
如果你和我有一样的想法就往下看,只要几分钟就可以看完,从今以后可以白嫖99%的文库了
使用方法
1.下载本文档(当然也可以选择不下载)
git clone
2.安装依赖项(如果这些库你都有,也可以不安装)
先用cmd切换到requirements.txt路径
pip安装-r -r required.txt
3.下载PhantomJS(本文档自带)
然后将其添加到环境变量,新手
因为selenium高版本不支持PhantomJS了,所以我们这里选择安装低版本的selenium
4.运行crawlBaiduWenku.py文件
此时你就会得到你想要的(大概率是可行的),要是爬取的不太理想,请继续阅读
使用说明(若是不想看文字,可以直接看示例文件夹内的实例,或者直接看各文件的作用)
爬TXT文件,爬取效果最好,可以选择可以使用
【文件预览】:
crawlBaiduWenku-master
----.gitignore(2KB)
----pic_to_pdf.py(712B)
----pic_to_txt.py(2KB)
----Screenshot_to_pdf.py(5KB)
----requirement.txt(111B)
----LICENSE(1KB)
----README.md(5KB)
----example()
--------TXT()
--------PPT()
--------DOC()
--------PhantomJs()
--------README.md(64B)
--------baidu-aip()
--------PDF()
--------XLS()
----parse_to_pic.py(2KB)
----pic_to_xls.py(1KB)
----pic_to_ppt.py(1KB)
----parse_to_txt.py(2KB)
----.gitattributes(123B)
----parse_to_doc.py(2KB)
----phantomjs-2.1.1-windows()
--------third-party.txt(1KB)
--------bin()
--------ChangeLog(17KB)
--------examples()
--------README.md(2KB)
--------LICENSE.BSD(1KB)
----crawlBaiduWenku.py(7KB)