百度文库爬取及PPT制作

本文介绍了一种使用Python爬虫从百度文库下载PPT的方法,通过解析网页获取图片链接并保存到本地文件夹,同时利用VB宏脚本批量创建PPT页面并导入图片。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

今天帮媳妇儿做一个PPT,无奈百度文库没有积分。偶然用一次,如今互联网上哪哪都要充值还得是包月,很烦。
分两步:

  1. 爬取文库的PPT,输出图片,放到一个文件夹中
  2. PPT开发者模式,写一个宏文件,批量创建PPT页并按顺序导入图片

下面是代码:
Python版爬虫脚本,输入参数是URL。PPT版的已经经过测试验证,其他的应该原理都一样,需要的自行验证。
VB版PPT宏脚本,文件夹路径需要自己指定。

import requests
import re
import argparse
import json
import os

# 根据文件决定函数
y = 0
def DOC(url):
    doc_id = re.findall('view/(.*).html', url)[0]
    html = requests.get(url).text
    lists = re.findall('(https.*?0.json.*?)\\\\x22}', html)
    lenth = (len(lists) // 2)
    NewLists = lists[:lenth]
    for i in range(len(NewLists)):
        NewLists[i] = NewLists[i].replace('\\', '')
        txts = requests.get(NewLists[i]).text
        txtlists = re.findall('"c":"(.*?)".*?"y":(.*?),', txts)
        for i in range(0, len(txtlists)):
            global y
            print(txtlists[i][0].encode('utf-8').decode('unicode_escape', 'ignore'))
            if y != txtlists[i][1]:
                y = txtlists[i][1]
                n = '\n'
            else:
                n = ''
            filename = doc_id + '.txt'
            with open(filename, 'a', encoding='utf-8') as f:
                f.write(n + txtlists[i][0].encode('utf-8').decode('unicode_escape', 'ignore').replace('\\', ''))
        print("文档保存在" + filename)


def PPT(url):
    doc_id = re.findall('view/(.*).html', url)[0]
    url = "https://wenku.baidu.com/browse/getbcsurl?doc_id=" + doc_id + "&pn=1&rn=99999&type=ppt"
    html = requests.get(url).text
    lists = re.findall('{"zoom":"(.*?)","page"', html)
    for i in range(0, len(lists)):
        lists[i] = lists[i].replace("\\", '')
    try:
        os.mkdir(doc_id)
    except:
        pass
    for i in range(0, len(lists)):
        img = requests.get(lists[i]).content
        with open(doc_id + '\img' + str(i) + '.jpg', 'wb') as m:
            m.write(img)
    print("PPT图片保存在" + doc_id + "文件夹")


def TXT(url):
    doc_id = re.findall('view/(.*).html', url)[0]
    url = "https://wenku.baidu.com/api/doc/getdocinfo?callback=cb&doc_id=" + doc_id
    html = requests.get(url).text
    md5 = re.findall('"md5sum":"(.*?)"', html)[0]
    pn = re.findall('"totalPageNum":"(.*?)"', html)[0]
    rsign = re.findall('"rsign":"(.*?)"', html)[0]
    NewUrl = 'https://wkretype.bdimg.com/retype/text/' + doc_id + '?rn=' + pn + '&type=txt' + md5 + '&rsign=' + rsign
    txt = requests.get(NewUrl).text
    jsons = json.loads(txt)
    texts = re.findall("'c': '(.*?)',", str(jsons))
    print(texts)
    filename = doc_id + '.txt'
    with open(filename, 'a', encoding='utf-8') as f:
        for i in range(0, len(texts)):
            texts[i] = texts[i].replace('\\r', '\r')
            texts[i] = texts[i].replace('\\n', '\n')

            f.write(texts[i])
    print("文档保存在" + filename)


def FPD(url):
    doc_id = re.findall('view/(.*).html', url)[0]
    url = "https://wenku.baidu.com/browse/getbcsurl?doc_id=" + doc_id + "&pn=1&rn=99999&type=ppt"
    html = requests.get(url).text
    lists = re.findall('{"zoom":"(.*?)","page"', html)
    for i in range(0, len(lists)):
        lists[i] = lists[i].replace("\\", '')
    try:
        os.mkdir(doc_id)
    except:
        pass
    for i in range(0, len(lists)):
        img = requests.get(lists[i]).content
        with open(doc_id + '\img' + str(i) + '.jpg', 'wb') as m:
            m.write(img)
    print("FPD图片保存在" + doc_id + "文件夹")


if __name__ == "__main__":
    PPT("https://wenku.baidu.com/view/361cbd5c7f21af45b307e87101f69e314332fac1.html")


Sub photos()
Dim i As Integer
For i = 1 To 59
    ActiveWindow.View.GotoSlide Index:=ActivePresentation.Slides.Add(Index:=i, Layout:=ppLayoutBlank).SlideIndex
    ActivePresentation.Slides(i).Select
    With ActiveWindow.Selection.SlideRange
        .FollowMasterBackground = msoFalse
        .Background.Fill.UserPicture "D:\img\img" & CStr(i - 1) & ".jpg"
    End With
Next
End Sub

### 关于Spoon Kettle PPT资料下载 对于希望获取与Spoon Kettle相关的PPT资料的需求,可以参考以下几个方向来查找和下载相关内容: #### 1. **优快云资源** 许多开发者会在优快云上分享关于Kettle的技术文档、教程以及PPT文件。可以通过访问优快云网站并搜索关键词“Kettle Spoon PPT”,找到由其他用户上传的相关资料[^1]。需要注意的是,在下载这些资料时可能需要注册账号或者支付一定的积分。 #### 2. **哔哩哔哩学习视频附带资料** 在哔哩哔哩平台上,有许多关于Kettle的教学视频,部分UP主会提供配套的学习资料链接,其中包括PPT课件。通过观看相关教学视频,可以在评论区或简介中寻找是否有共享的PPT下载地址[^2]。如果未明确给出,也可以尝试联系UP主询问具体获取方式。 #### 3. **百度文库或其他在线文档平台** 除了优快云之外,还可以利用百度文库等类似的在线文档分享平台进行检索。“Kettle Spoon”作为关键字输入后,可能会发现一些已经制作好的演示文稿可供查阅或购买[^5]。 #### 4. **官方社区及论坛交流** 虽然Kettle本身属于开源工具,但它背后有着活跃的支持者群体。加入到像 Pentaho Community Forums 这样的国际性讨论组里提问有关获取高质量培训材料(含PPT形式),往往能够得到积极回应,并有机会接触到更多权威版本的内容集合[^3]。 以下是基于上述提到的信息所编写的一个简单Python脚本用于自动化爬取网络上的公开PDF/PPT资源(仅作示例用途,请确保遵守各站点版权政策再实际应用): ```python import requests from bs4 import BeautifulSoup def search_ppt(keyword, pages=1): base_url = f"https://search.example.com?q={keyword}&page=" results = [] for page in range(1, pages + 1): url = base_url + str(page) response = requests.get(url) soup = BeautifulSoup(response.text, 'html.parser') links = soup.find_all('a', href=True) for link in links: title = link.string.strip() file_link = link['href'] if '.ppt' in file_link or '.pdf' in file_link: results.append((title, file_link)) return results if __name__ == "__main__": keyword = "Kettle Spoon" ppt_results = search_ppt(keyword, pages=2) for idx, (title, link) in enumerate(ppt_results, start=1): print(f"{idx}. {title}: {link}") ```
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值