前言
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，還有某度文庫呢！本來好好的文檔，非得不讓我們下載……今天，就教大家跟我一起寫某度文庫下載器Weeker，拒絕某庫，從我做起。
我們的下載器是一個GUI程序，具體架構是，先寫核心文件（get.py），再寫命令行解析文件（weeker.py），接着使用Fire生成命令行，最后用Gooey把CLI轉換為GUI。
准備
安裝
- 安裝Python 3.8；
- 安裝依賴（依賴的作用下文會詳解）：pip install requests docx beautifulsoup4 Gooey
目錄
初始化項目（下面的腳本是在Unix或Linux上運行的）：
```
當然在學習Python的道路上肯定會困難，沒有好的學習資料，怎么去學習呢？
學習Python中有不明白推薦加入交流Q群號：928946953
群里有志同道合的小伙伴，互幫互助， 群里有不錯的視頻學習教程和PDF！
還有大牛解答！
```
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：
由於保存文件時我們需要判斷路徑，定義一個pwd常量，用來存儲“當前路徑：
復制代碼 隱藏代碼
pwd = getcwd()
再聲明一個get
url:ua:path:output:convert方法，來實現我們的爬蟲函數，其中：
編寫get:::::函數
獲取html&解析
把光標移到get:::::函數。首先照例我們要用requests，並且祭上bs4一條龍解析：
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，我們定義一個數組用來存儲文檔的每一行 everyline = []
添加標題
我們給文檔先添上標題，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解析它，發現內容中有很多\n、\x0c和空格，\n是換行符，我們把它分割到數組中，而后兩者分別刪除即可：
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')) # 擴展數組 everyline = [i.replace(' ', '') for i in everyline] everyline = [i.replace('\x0c', '') for i in everyline]
保存文件
接下來就是保存文件。我的思路是，先按照txt格式保存，然后再判斷convert參數，如果填寫了docx，再將txt加后綴並修改為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() # 創建對象 docu.add_paragraph(f.read()) # 添加段落 docu.save(final_path + '/' + output + '.' + convert) # 保存文檔，文件名為xxx.xxx.docx system('rm ' + final_path + '/' + output) # 刪除try中保存的文件
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
接着添加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='文檔地址', 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函數。在main中，我們寫下類似argparse的parser.add_argument函數，最終定義args = parser.parse_args()，從args的成員獲取每個參數的輸入，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：如果你喜歡命令行，可以GitHub搜python-fire，直接將函數和參數暴漏給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文件。
注IV：我剛看見源碼里面有一句import寫錯了，如果你下載了源碼，請先照文中代碼核對一下。