导语：
哈喽，哈喽~当代大学生写作业时，emmmm…先看一眼，ok有点印象。
想翻书时，这是第几页？怎么这么干净，是这里吗…
这时“学小易”就很友好了，但是唯一不足的一点是，只有答案，没有过程。
浏览器也很友好，浏览到关键地方要钱，更别说想下载下来复习了…
今天呢，小编教大家用python如何免费下载付费文档资料，我再也不用担心下载资料要钱啦！也不用担心期末复习啦！
正文：
基本开发环境
Python 3.6
Pycharm
相关模块的使用
import osimport requestsimport time import reimport json from docximport Document from docx.sharedimport Cm
目标网页分析
网站的文档内容，都是以图片形式存在的。它有自己的数据接口
接口链接：
https://openapi.book118.com/getPreview.html?&project_id=1&aid=272112230&t=f2c66902d6b63726d8e08b557fef90fb&view_token=SqX7ktrZ_ZakjDI@vcohcCwbn_PLb3C1&page=1&callback=jQuery18304186406662159248_1614492889385&_=1614492889486
接口的请求参数
第一页：
第二页：
第三页：
如上图所示，翻页参数改变的是page 每次加6。
整体思路请求网页返回response数据（字符串）通过re模块匹配提取中间的数据（列表）索引取0（字符串）通过json模块是把提取出来的数据转换成json模块通过遍历获取每张图片的url地址保存图片到本地文件夹
把图片保存到word文档
def download():content = 0for page in range(1, 96, 6):# 给定 2秒延时time.sleep(2)# 获取时间戳now_time = int(time.time() * 1000)url = 'https://openapi.book118.com/getPreview.html'# 请求参数params = {'project_id': '1','aid': '272112230','t': 'f2c66902d6b63726d8e08b557fef90fb','view_token': 'SqX7ktrZ_ZakjDI@vcohcCwbn_PLb3C1','page': f'{page}','_': now_time,}# 请求头headers = {'Host': 'openapi.book118.com','Referer': 'https://max.book118.com/html/2020/0427/8026036013002110.shtm','User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/81.0.4044.138 Safari/537.36'}response = requests.get(url=url, params=params, headers=headers)# 使用正则表达式提取内容result = re.findall('jsonpReturn\((.*?)\)', response.text)[0]# 字符串转json数据json_data = json.loads(result)['data']# 字典值的遍历for value in json_data.values():content += 1# 拼接图片urlimg_url = 'http:' + valueprint(img_url)headers_1 = {'Host': 'view-cache.book118.com','User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/81.0.4044.138 Safari/537.36'}# 请求图片url地址 获取content二进制数据img_content = requests.get(url=img_url, headers=headers_1).content# 文件名img_name = str(content) + '.jpg'# 保存路径filename = 'img\\'# 以二进制方式保存 （图片、音频、视频等文件都是以二进制的方式保存）with open(filename + img_name, mode='wb') as f:f.write(img_content)
爬虫部分的代码还是比较简单的，没有什么特别的难度。
爬取这些文档，都是需要打印或者查询所以要把这些单张的图片都保存到word文档里面。
写入word文档
1、文件夹中所有图片的文件名。
正常的操作大家都是知道使用os模块就可以获取了，但是这里有一个问题
path = './img/'lis = os.listdir(path)print(lis)>>>['1.jpg', '10.jpg', '11.jpg', '12.jpg', '13.jpg', '14.jpg', '15.jpg', '16.jpg', '17.jpg', '18.jpg', '19.jpg', '2.jpg', '20.jpg', '21.jpg', '22.jpg', '23.jpg', '24.jpg', '3.jpg', '4.jpg', '5.jpg', '6.jpg', '7.jpg', '8.jpg', '9.jpg']
在文件夹中都是有序排列循序的，但是用os模块读取出来的文件名，都是无序的，这样保存的话会导致文档内容循序错乱，这不是我们想要的。
所以需要把文件名都排序输出。
path = './img/'lis = os.listdir(path)c = []for li in lis:index = li.replace('.jpg', '')c.append(index)c_1 = sorted(list(map(int, c)))new_files = [(str(i) + '.jpg') for i in c_1]print(new_files)>>>['1.jpg', '2.jpg', '3.jpg', '4.jpg', '5.jpg', '6.jpg', '7.jpg', '8.jpg', '9.jpg', '10.jpg', '11.jpg', '12.jpg', '13.jpg', '14.jpg', '15.jpg', '16.jpg', '17.jpg', '18.jpg', '19.jpg', '20.jpg', '21.jpg', '22.jpg', '23.jpg', '24.jpg']
排序好之后，通过docx模块对其进行写入。
document.add_picture(img_path, width=Cm(17), height=Cm(24))document.save('tu.doc') # 保存文档
一定要设置写入图片的大小，不然图片太大，排版不好看。
写完之后把图片都删除掉
os.remove(img_path)
完整实现效果
最后我们下载下来的每一页都是一张图片。
结尾：
文章就写到这里结束啦~大家喜欢的记得点点赞
需要完整的项目源码的可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】。
