MZH's Blog

网页文档下载

6 min read

油猴脚本

功能

  1. F5 刷新能解决大部分问题。
  2. 功能按钮需依次执行，需等待上一个功能执行完成再执行下一个功能。
  3. 像这样（1）➡️（2）➡️（3）➡️（4）
  4. 特殊情况只需执行（3）
功能说明
（0）状态位各个功能执行状态，当前进度。
（0）加载速率单位毫秒（ms），当前“MBA智库”，“交通”，“飞书”，“先晓书院”调整速率，默认500毫秒
（1）自动预览就是替你滚动页面，让所有页面进入可视范围内。百度须使用自动预览功能，其他手动也行。
（2）停止预览顾名思义就是停下来，别动了
（3）下载图片图片或文本或HTML等打压缩包下载，方便你们后续二次处理，例如：OCR识别
（3）下载PDF图片合并导出 PDF 文件
（4）获取文本文本内容
（3）打印PDF浏览器本身打印功能，鼠标右键”打印“或 Ctrl + P 键，“目标打印机处” 点击另存为PDF
（4）获取地址导出图片地址二次处理，不一定有数据取决于文档类型
（4）打包下载包含html内容和txt内容，在浏览器打开html方便复制到excel中

使用说明

如果下载 PDF 模糊，可 下载图片自行合并

百度文库

  1. PDF：可编辑，不可编辑，图片格式，下载PDF只支持图片格式。当遇到下载空白页时使用打印PDF功能。可编辑PDF 文件可以点击编辑文档，再自动预览打印PDF，这样就得到了一个可以复制内容的PDF文件。支持复制文本内容和全局文档复制功能（左上角展示当前复制内容文本框）
  2. TEXT：点击自动预览后点击获取全文即可，可以使用过打印
  3. Word/PDF：自动预览后就不能复制文本了，若要复制文本就不要执行自动预览
  4. 可编辑文档，优先使用可编辑下预览

原创力

  1. PPT 下载过程全屏预览不要缩小浏览器

道客巴巴

  1. 获取文本功能需要预览全文，否则数据不完整

MBA智库

  1. 默认速率500可以下载文件，但是获取文本可能获取不完整，可以点击修改速率500改1500就可以获取到文本内容

豆丁网/建筑

  1. 默认只展示一部分内容，获取更多内容需要登录。
  2. 大文件下载（上百页）
    • 原始地址后面加参数 ?toImg=1
    • 例如：原始地址 [https://www.example.com/p-123456.html](https://www.example.com/p-123456.html) 改用 [https://www.example.com/p-123456.html?toImg=1](https://www.example.com/p-123456.html?toImg=1) 地址访问。
    • 分页下载：先预览 100 页面，停止预览，下点下载。刷新页面，修改页码到100页，点击开始，继续重复上面步骤直到全部下载完成自行合并。

GB688

  • canvas 格式 ：可调整预览速率
  • 图片 格式 ：要输入验证码以后才可以进行相应操作

轻竹办公

等待系统生成结束点击 下载图片 即可。支持切换模板下载，支持编辑后再重新下载，反正就是能一直下载。

注意：下载后解压缩包，浏览器打开index.html，鼠标右键或 Ctrl + P 打印PDF，布局选择横向即可保存PDF。

飞书

支持 PDF、PPTX、DOCX、XLSX 、TXT 等格式文件。xlsx下载HTML格式需要浏览器打开复制再粘贴到excel中就可以了（保持原始格式）

阅读方式切换“原貌阅读”，点击右侧第6个按钮适配页面（可下载高清PDF），也可以通过 + - 调整合适的大小。遇到点击“自动预览”马上又停止了，点击停止预览再点击自动预览或F5刷新。

招投标

在文当预览页面有右侧第一个链接 原始发布地址 ，点击进行预览下载。

腾讯文档

支持放大进行预览，要是文档模糊可以下载图片。预览中遇到卡顿可鼠标滚动一下页面。

绿色建站

  • 默认预览页面文档较小，下载不清晰，加载是会自动打开原始地址预览（高清）
  • 页面加载出来比较慢，大概10秒左右耐心等待
  • 页面会_提示弹出窗口_，请允许弹框

夸克文库

  1. 支持PDF和Word格式下载PDF或图片
  2. 暂不支持PPT格式，后续优化
  3. 可能自动预览不完全，可手动预览，然后点击下载PDF