大家可能平时都有在百度文库下载文档的经历，费尽心思好不容易在文库找了一份可以用的资料，一看需要用下载券下载，搞的人很烦。

有的人为了节省时间，就任性办理了个文库VIP，再也不用纠结怎么下文档了。如果你是一个百度文库的重度用户，这样做当然没问题了。

但有些学生党、上班族，他们可能只是为了交个作业，做一个产品汇报的PPT等等，对这部分人群再去办理VIP，我觉得没必要，毕竟挣钱也不容易，咱能省就省。

有的人会说，我会选择去某宝买下载券，需要用的时候，用卖家给的账户和密码下载就可以了，这个方法我也用过，不过随着百度文库不断修复漏洞，一些卖家的账户和密码，很快就会失效，这也不是一个长久之计。

当然除了我上面说的这些方法外，还有一些其他的神操作，比如，自己一点点去复杂粘贴、放到手机版的百度文库APP里，再另存为文章、或者用众所周知的“冰点文库”……

在我看来，这些都不是最优的解决方案，我今天就和大家分享一个我自己用Python写的百度文库免下载券的小项目。当然，这个项目主要是用来学习Python爬虫的，如果有任何侵权嫌疑，请联系我删除！

1.优点

不仅可以下载word文档，而且能下载PPT；

可以下载一个完整的文档；

不需要用一些某宝卖家的漏洞网址。

2.准备工作

(1)本次程序主要用到了火狐浏览器的selenium，大家可以在下面网址下载自己火狐浏览器对应的驱动geckodriver。下载地址：https://github.com/mozilla/geckodriver/releases/

下载解压后，将geckodriver.exe安装在Python的安装目录Scripts里面，之后就可以正常使用了。

(2)因为本次项目还涉及到了PPT文档的下载，所以，如果你没安装pptx模块，需要在命令行输入pip3 installpython-pptx提前安装好。

3.PPT文档下载

首先我们随便找一个需要下载券的PPT文档，本文以https://wenku.baidu.com/view/a132c661eef9aef8941ea76e58fafab069dc443d.html?rec_flag=default&sxts=1570202117357为例，打开开发者工具，对文档中图片进行分析，如下图所示：

图片保存在标签为div里面，所以写代码时首先需要找到这个标签，然后再把图片的url提取出来，同时，提取url时还要注意，有的属性是“src”，有的是“data-src”，不然就会出现文档丢失。主要代码如下：

4.下载图片

提取到图片的url后，就可以下载所有的图片，并以pictures命名保存在指定的路径下。代码如下：

5.组合成PPT

此时需要将上面下载好的图片，利用编写的函数重新合成ppt，这里就要用到刚才提前准备好的生成PPT需要的包，此外，为了保证程序顺利运行，还需要一个ppt模板，这个模板里面只有一个图片的占位，主要是为了让所有图片安装模板来创建成新的幻灯片。代码如下：

6.word文档下载

关于文档下载，本文以https://wenku.baidu.com/view/1b5ee5dbad51f01dc281f13e.html?sxts=1570243034873为例。

主要难点是当页数过多时，会出现“继续阅读”的字样，此时需要selenium模拟人去自动点击，所以，需要提取找到“继续阅读”的按钮；另外，还要获取文档的下载总页码，最后还需要对提取的文本进行分段整理。

(1)、寻找“继续阅读”位置

本文主要用到了正则表达式，以及js语法。首先要找到继续阅读的位置，如下图所示：

(2)、获取总页数

要获取整个文档，首先要找到文档的总页数，在下图中找到保存总页数的标签。

还要分析文档中的文字保存在哪个标签，如下图所示：

可以看到，文字主要保存在p标签里，我们找到相应的p标签，然后遍历每一页，提取文字。最后，还要设置一个判断变量，因为提取的文字会有很多行，有的是一个段的，有的不是一段的文字，这里需要处理一下，主要代码如下：

7.写入文档

将下载好的文档，以特定的名字写入新的文档，这里没什么难度，代码如下：

8.结果展示

(1)、PPT下载

(2)、word下载

总结