Python爬取百度文库doc文档

前言：因同学需要几篇文库资料，但又没下载币，用的次数不多，买个vip太浪费，就考虑用代码解决一下。网上找了一些资料，不知是不是被度娘过滤了，没找到合适能用的，就自己写了点代码。

声明：该文章方法仅用于小量的、非商业用途的资料爬取，支持正版，保护百度文库版权，如果需要下载的量大，建议购买VIP会员。

语言：Pythhon

所需要安装的库：selenium、docx、time、浏览器FireFox（如果用google浏览器，更换一下浏览器驱动）

#所需要导入的库

import time
from selenium import webdriver
import docx

file=docx.Document()
#获得火狐浏览器驱动
driver = webdriver.Firefox()
#文章链接
url = 'https://wenku.baidu.com/view/5cb015eea48da0116c175f0e7cd184254b351b82'
driver.get(url)
#防止网速过慢，休眠5秒
time.sleep(5)  
#以下两行为解决文章超过三页时，出现折叠，需要先展开
element = driver.find_element_by_css_selector('p[class*="down-arrow"]')
driver.execute_script("arguments[0].click();", element)
#防止网速过慢，休眠5秒
time.sleep(5)
result_list = driver.find_elements_by_class_name('reader-word-layer')
for i in result_list:
    text = i.text
    file.add_paragraph(text)#写入word文档
    print(text)#在控制台上看效果
#docx文档保存位置  
file.save("D:\\A_WorkSpace\\Python\\py_workspace\\work\\baidu_download\\writeResult.docx")

因为只是个人偶尔不常使用百度文库，所以代码只做了爬取doc文档，暂没考虑ppt、PDF等其他。

代码不足在于，由于时间仓促，没进行文docx文章格式排版，只能爬取到文字内容，需要自己整理排版，排版也好排，通过docx库对文章进行排版。

（尊重笔者的劳动哦，转载请注明出处哦。）