写了一个图书馆学位论文下载脚本，有版权问题吗？

rushsaker [离线]

pkurs

2.6主序星

import os

import re

import time

import datetime

import requests

from urllib.request import urlretrieve

from selenium import webdriver

from selenium.webdriver.support.select import Select

from selenium.webdriver.common.action_chains import ActionChains

driver = webdriver.Chrome()

#论文链接

thsis_url="https://thesis.lib.pku.edu.cn/docinfo.action?id1=56b030af6d7a0e566009fa151cc9a83d&id2=KhhPjCdEGOQ%253D"

driver.get(thsis_url)

driver.refresh()

time.sleep(2)

lookbut = driver.find_element_by_link_text('查看全文')

lookbut.click()

handles = driver.window_handles

driver.switch_to_window(handles[1])

time.sleep(2)

#获取总页数

tpage=driver.find_element_by_css_selector('span#totalPages.toolbar-page-num')

total_pages=int(re.sub("\D","",tpage.get_attribute("innerText")))

print('本论文总页数为：%d 页'%(total_pages))

total_pages=int(total_pages)

#下载论文

os.makedirs('./thsis_image/', exist_ok=True)

find_page=False

while i<total_pages:

    div_name='div#loadingBg%d.loadingbg > img'%(i)

        pics = driver.find_element_by_css_selector(div_name)

        find_page=True

        img_url=pics.get_attribute('src')

    except:

        find_page=False

    if find_page:

        print('找到第%d页...'%(i+1))

        #print(img_url)

        i=i+1

        urlretrieve(img_url, './thsis_image/img%d.jpg'%(i))

    else:

        btnext=driver.find_element_by_css_selector('a#btnnext.toobar-btn.toobar-btn-next')

        btnext.click()

        time.sleep(0.5)

print('文章下载完成！')

rushsaker (pkurs) 在 ta 的帖子中提到：

如题，正在看几年前毕业师兄的论文，手动拖拽一页一页的看太麻烦了。就写了一个python脚本，一口气全下下来了，不过下载下来的是图片格式，然后用acrobat合并成pdf，没有目录结构，但是起码可以打印一下。

owl owl owl