只要听说过电脑的人都能看懂的网上pdf全书获取项目

作者：周奇

最近我要获取《概统》的教材自学防挂科（线代已死），于是我看到

htt链ps:/链/max链.book接118接.com接/html/2018/0407/160495927.shtm

这里有东北大学的教材。

我想获取这个pdf，然鹅要20块，我又穷。

但我想，“所见即所得”，“凡走过必留下痕迹”，你只要放在页面上，肯定要被我得到。

看到它请求的是图片，有点难受，不过图片也凑合着看。

所以我在下面就要介绍这个“只要听说过电脑的人都能看懂的”网上pdf全书获取项目（其实是大量图片的获取

项目），为“信息民主化的幻象”续命……

js代码分三部分。

1：把需求图片转为允许跨域的图片（不然canvas会出错），并批量生成canvas标签

2：把HTMLcollection的伪数组转化为js数组，并排序生成的js数组

3：扫上面得到的数组，每个图片都转为dataUrl（base64的字符串）并写入p标签。

最后在Chrome的HTML面板上找到这个p标签，右键copy element即可。

js：

//使用备注：每次只改part 1 for循环的循环变量的i，且part1必须单独执行（因为canvas被dom记录需要时间，冷却一下再执行part2 3）

//part 1 : obtain canvas
 
function imgTagtoCanvas(src,i) {
 
    //js没有引用传递。。。
 
    var img = new Image();
 
    img.setAttribute('crossOrigin', 'anonymous'); //必须在加载前设置允许跨域，吼则：Tainted canvases may not be exported
 
    var canvas = document.createElement("canvas"); //创建canvas元素
 
    img.src = src;
 
    //图片加载完毕
 
    img.onload = function () {
 
        canvas.width = img.width;
 
        canvas.height = img.height;
 
        canvas.className = "cs"+i.toString();
 
        canvas.getContext("2d").drawImage(img,0,0,img.width,img.height); //将图片绘制到canvas中
 
        document.head.append(canvas);
 
    }
 
}
 
var Imgs = document.querySelector("#ctn").getElementsByTagName("img");
 
console.log(Imgs.length);
 
for(var i=0;i<Imgs.length;i++){
 
    imgTagtoCanvas(Imgs[i].src,i);
 
}
 
//part 2 ： obtain dataUrl as text
 
var canvases = document.getElementsByTagName("canvas");
 
console.log(canvases.length);
 
//要先把arraylike转化为array再排序，排序是因为xhr请求返回的时间不同导致了顺序混乱
 
var makeArray = function(obj){
 
    var res = [];
 
    for(var i=0,len=obj.length; i<len; i++){
 
        res.push(obj[i]);
 
    }
 
    return res;
 
}
 
function sortCanvas(a,b)
 
{
 
    return parseInt(a.className.split("cs")[1]) - parseInt(b.className.split("cs")[1]);
 
}
 
canvases = makeArray(canvases);
 
canvases.sort(sortCanvas);
 
//part 3 ： obtain dataUrl as text
 
//var textArea = document.createElement("textarea");
 
//textArea.style.background = 'transparent';
 
var p = document.createElement("p");
 
for(var i=0;i<canvases.length;i++){
 
    var dataUrl = canvases[i].toDataURL('image/'+'jpeg');
 
    var txt = dataUrl.split(",")[1] + "\n";
 
    //textArea.value += txt;
 
    p.innerText += txt;
 
}
 
document.body.appendChild(p);

python代码仅仅是把那个字符串里每一个base64串分离出来，然后还原出图片。在imgs.txt里

只需把复制的字符串的最前面的<p>和最后面的</p>删掉

import os
#import pwd
import stat
import sys
import base64
import ctypes
 
def main():
    txtf = open('imgs.txt','r')
    lines = txtf.readline().split("<br>")
    #print(lines[-1]) #test shows that there is no "\n"
    x = 141
    for line in lines:
        if len(line) <= 0:
            continue
        else:
            #以下几行是打补丁，61是初值
            #if x-61 < 2:
                #x += 1
                #continue
            print(len(line))
            x += 1
            imgobj = base64.b64decode(line)
            imgf = open('p%d.jpg' % x,'wb')
            imgf.write(imgobj)
            imgf.close()
    txtf.close()
 
main()