记线上图书馆书籍下载

status

date

slug

summary

写在前面

缘起是因为家妹需要翻阅一些线上图书馆的古籍书籍进行研究学习，然而这些图书馆只提供了在线阅读的功能，并不能整本下载，甚至也不能单页下载，右键也无法另存为。于是乎，好于折腾的我出现了。

一共是三个图书馆，分别是

经过分析和研究，发现都没有能直接下载整本的方式，只能曲线救国，如果单页是图片，则把所有的图片下载后合并成PDF，如果单页是PDF，则把所有的PDF下载后合并成PDF。云南古籍数字图书馆属于前者，云南省地方志属于后者。

既然思路清晰，接下来就是具体操作和代码。其中下载主要使用shell 脚本，pdf 相关操作则使用 WPS 和 PDF Expert。

大学数字图书馆国际合作计划倒是有些难度，并且目前好像网站挂了，不能研究。

云南古籍数字图书馆需要账号登陆，公网也可访问和注册。

注册成功后访问具体书籍的详情页天啟]滇志三十三卷

点击在线浏览后，显示阅读界面

通过观察发现链接中有明确的书籍id，即29010711-0001

右键打开网页检查视图下的网络标签，发现每一页都是一张图片，图片的链接例如：http://msq.ynlib.cn/medias/29010711-0012/thumbnails/0150/large.jpg

这个图片链接甚至是不用登陆的，并且是存在规律的

其中bookId就是上面的书籍id，index就是第几页，然而再通过上面图片知道每本书有几页，直接就可以批量下载了。

那么，使用 shell 脚本就很简单了。这里因为一个bookId代表一本书，其实是其中的一卷，但要下载全部的卷的话，外层要再加一个循环就行。最终简单的代码如下：

下载下来的图片再使用 WPS 国际版的图片合成 PDF 工具即可

云南省地方志也需要账号，但公网也可以访问，直接注册就好。

打开万历云南通志，会发现只要知道链接，不登录其实也能访问和浏览。

打开后如下图所示，看着像是 PDF，右键审查一看果然是。

审查后发现左侧缩略图都是图片，右侧正文是 pdf 容器，但每一页是一个单独的 PDF 链接。并且这个链接不是像之前图片那样简单的拼接，它是通过一个接口获取真正的 PDF 链接然后再进行渲染的，但这个接口也有规律可循。

比如第一页的 PDF 接口是：

会响应如下

这个 url 的值就是真正的第一页 PDF 下载地址，那么代码也就是批量一下的事，当然还是得查看下总共有多少页。

下载完 PDF，合并的事就用 PDF Expert 合并以下就行。

整理下文件，合并下文件，分享给家妹。