度娘啊，你以為你把百度網盤取消限速了，我們就滿意了？當然不滿意，還有百度文庫呢！本來好好的檔案，非得不讓我們下載……今天，就教大家跟我一起寫百度文庫下載器Weeker，拒絕文庫，從我做起，

我們的下載器是一個GUI程式，具體架構是，先寫核心檔案（get.py），再寫命令列決議檔案（weeker.py），接著使用Fire生成命令列，最后用Gooey把CLI轉換為GUI，

很多人學習python，不知道從何學起，

很多人學習python，掌握了基本語法過后，不知道在哪里尋找案例上手，

很多已經做案例的人，卻不知道如何去學習更加高深的知識，

那么針對這三類人，我給大家提供一個好的學習平臺，免費領取視頻教程，電子書籍，以及課程的源代碼！

QQ群：701698587

歡迎加入，一起討論 一起學習！

準備

安裝

1. 安裝Python 3.8；
2. 安裝依賴（依賴的作用下文會詳解）：pip install requests docx beautifulsoup4 Gooey

目錄

初始化專案（下面的腳本是在Unix或Linux上運行的）：

 復制代碼 隱藏代碼
cd /path/to/project
mkdir Weeker
touch get.py weeker.py

爬蟲核心

第一步，打開get.py，先引入類別庫：

 復制代碼 隱藏代碼
from os import getcwd, system
from re import sub

import requests
import docx
from bs4 import BeautifulSoup

每個模塊的作用如下：

由于保存檔案時我們需要判斷路徑，定義一個pwd常量，用來存盤“當前路徑：

 復制代碼 隱藏代碼
pwd = getcwd()

再宣告一個get
url:ua:path:output:convert方法，來實作我們的爬蟲函式，其中：

撰寫get:::::函式

獲取html&決議

把游標移到get:::::函式，首先照例我們要用requests，并且祭上bs4一條龍決議：

 復制代碼 隱藏代碼
headers = { 'User-Agent': ua }
result = requests.get(url, headers=headers)
soup = BeautifulSoup(res.text, "html.parser")

# 為了方便管理文本，我們定義一個陣列用來存盤檔案的每一行
everyline = []

添加標題

我們給檔案先添上標題，也就是網頁的標題，

 復制代碼 隱藏代碼
everyline.append(soup.title.string)

但是這樣會有一個問題，添加出來的標題都是“xxxxxxx_百度文庫”，很不雅觀，所以抬上re.sub作替換，改成：

 復制代碼 隱藏代碼
everyline.append(re.sub('_百度文庫', '', soup.title.string, 1))

獲取正文

通過觀察網頁，我們發現，bd doc-reader這個class有重大嫌疑，這個class里的東西都是正文內容：

我們通過bs4決議它，發現內容中有很多\n、\x0c和空格，\n是換行符，我們把它分割到陣列中，而后兩者分別洗掉即可：

 復制代碼 隱藏代碼
for doc in soup.find_all('div', attrs={"class": "bd doc-reader"}):
    everyline.extend(doc.get_text().split('\n')) # 擴展陣列
    everyline = [i.replace(' ', '') for i in everyline]
    everyline = [i.replace('\x0c', '') for i in everyline]

保存檔案

接下來就是保存檔案，我的思路是，先按照txt格式保存，然后再判斷convert引數，如果填寫了docx，再將txt加后綴并修改為docx，

 復制代碼 隱藏代碼
final_path = path
# 如果是相對路徑，連接pwd改成絕對路徑，否則python不支持，
if not path.startswith('/'):
    final_path = pwd + '/' + final_path

try:
    file = open(final_path + '/' + output, 'w', encoding='utf-8')
    for line in everyline:
        file.write(line)
        file.write('\n')
    file.close()
except FileNotFoundError as err:
    print("wenku: error: Output directory does not exist. Quitting.")
    exit(1)

# 如果有convert請求
if convert == 'docx':
    with open(final_path + '/' + output) as f:
        docu = docx.Document() # 創建物件
        docu.add_paragraph(f.read()) # 添加段落
        docu.save(final_path + '/' + output + '.' + convert) # 保存檔案，檔案名為xxx.xxx.docx
        system('rm ' + final_path + '/' + output) # 洗掉try中保存的檔案

創建GUI

打開weeker.py，
首先是兩句 import，其中Gooey可以用類似argparse的語法將CLI轉換為GUI，

 復制代碼 隱藏代碼
from gooey import Gooey, GooeyParser
import get

接著添加if __name__ == '__main__'：

 復制代碼 隱藏代碼
if __name__ == '__main__':
    main()
我們來定義一下這個main()：

 復制代碼 隱藏代碼
@Gooey(encoding='utf-8', program_name="Weeker ", language='chinese')
def main():
    parser = GooeyParser(description="百度文庫下載器，干杯！")
    parser.add_argument("url", metavar='檔案地址', widget="TextField")
    parser.add_argument("ua", metavar='用戶UA', widget="Dropdown", choices={"Googlebot": 1, 'Baiduspider': 2})
    parser.add_argument("path", metavar='保存路徑', widget="DirChooser")
    parser.add_argument("output", metavar='重命名', widget="TextField")
    parser.add_argument("convert", metavar='格式轉換', widget="Dropdown", choices={'docx': 1})
    args = parser.parse_args()

    get.get(args.url, ua=args.ua, path=args.path, output=args.output, convert=args.convert)

@Gooey是一個修飾器，可以把main()轉換為一個Gooey函式，在main中，我們寫下類似argparse的parser.add_argument函式，最終定義args = parser.parse_args()，從args的成員獲取每個引數的輸入，傳到get.py里，我們運行一下，神奇的一幕發生了：

我們成功地把CLI轉換成了GUI！！！

注I：如果你喜歡命令列，可以GitHub搜python-fire，直接將函式和引數暴漏給CLI，效果更佳，
注II：因為電腦原因，打包不了成品，因此有需要者請自行編譯，
注III：附件里有兩個py檔案，
注IV：我剛看見原始碼里面有一句import寫錯了，如果你下載了原始碼，請先照文中代碼核對一下，

標籤：Python

上一篇：周末福利！用Python爬取美團美食資訊，吃貨們走起來！

下一篇：8種Python字串拼接的方法，你知道幾種？