百度文库爬虫 Baidu Wenku Spider
仅支持python3
请勿将该脚本用于下载付费文档或商业用途，否则后果自负！
本项目仅为方便查看在线文档和交流爬虫技术。
目前该项目支持所有格式文档下载。
ppt仅能保存图片格式的pdf，建议下载后通过Acrobot等光学识别软件拷贝文字；
doc、pdf文件仅能保存为pdf，且可能看起来会有一些不同；
xls文件仅能保存为pdf，未来可能会支持保存为xls；
txt可保存为原始格式。
如果需要提取图片或查看原始数据，可以带参数-t不删除临时文件。
原理为下载网页中显示的内容，而并非原始文档，只能尽力还原格式。
目前来看，部分情况无需会员账号cookies即可下载完整文档，即使非会员账号在网页尽可查看部分文档。
要求Python3.5+，如有必要，请使用pip3和python3。
下载源码并安装依赖
git clone https://github.com/BoyInTheSun/wks.git
cd wks
pip install -r requirements.txt
python main.py --help请下载对应系统版本的可执行程序。
在windows系统中，选择你喜欢的地方，将wks.exe放到其中，按住shift右键，选择在此处打开powershell窗口，输入.\wks.exe --help查看帮助。
不要直接双击wks.exe！！！
这是必要的步骤，如果仅能下载文档前几页，可以尝试该方法。由于接口更新，目前可能即使提供了非VIP账号的cookie也无法获取完整文档。如果使用vip账号的cookie仍无法下载，请提issue。
首先登陆百度文库，按F12打开开发者工具，找到网络栏，F5刷新，找到Request URL和地址栏相同的一项，复制Request Headers的Cookie的值，形如kunlunFlag=1; PSTM=1638106870; __yjs_duid=1_9d69de0379cb51aa4b48e663f9e1e6591638110590672;...。将其保存至文件如Cookies.txt或在下文命令行中使用字符串形式。
获取到cookies后，可以通过命令行传参或者传文件两种形式。
python main.py "https://wenku.baidu.com/view/abcd.html" -c "kunlunFlag=1; PSTM=1638106870;..."
python main.py "https://wenku.baidu.com/view/abcd.html" -C "Cookies.txt"
如果你使用了可执行文件wks.exe，请替换上述命令中的python main.py。
显示帮助信息并退出。
传入cookie格式字符串，使请求带cookie。
传入cookie文件，使请求带cookie。优先级低于前者。
将临时文件保存到文件夹。
指定文件名（后缀名自动生成）
指定下载和保存的页数，例如"2,6-8,10"代表下载页码"2,6,7,8,10"，从"1"开始。
指定请求时User-Agent。
批量下载。传入文件名，文件中一行一个链接。