如何从浏览器里“偷”出百度文库里的文章？

Question

比如下面的百度文库网页，内容都在canvas里。
https://wenku.baidu.com/view/...

Answer 1

转图片，调用图片文字识别得到结果

这是我的思路

Answer 2

最简单的方式应该就是充值了，如果那篇文章对你有价值的话，充一点钱也不是不可以啊，要不然就在有权限阅读的情况下，把所有页面都打开，然后截图吧。😆

然后可以通过搜索引擎，加上 "" 的方式来指定搜索，比如问题中提到的链接地址，可以在谷歌里找到很多 https://www.google.com/search...

Answer 3

对于百度文库中的免费文档，可以用这个网站实现
http://www.html22.com/zh/

简单的说，网站的原理是将网页转为图片或者文档

如果是付费文档，个人建议还是支付会员费用获取，“偷”很可能构成对平台和创作者的侵权
已参与了 SegmentFault 思否社区 10 周年「问答」打卡 ，欢迎正在阅读的你也加入。

Answer 4

我是装了一个浏览器插件截图的 FireShot。然后就用 ocr 识别即可。

如果你只有少量的内容并且有 iOS 手机的话，手机自带拍照提取文字。

当然，还有淘宝、以及各类公众号会有一些更便宜、甚至免费获取的办法。

当然，也可以去搜索一下，看看有没有同样的资源在其他网站上。比如说我之前看到了 QCon 上的一个分享，但是找了好几个网站发现都是付费下载，最后我发现官网居然是免费的。

其实都是需要付出的。有钱的花钱买时间，没钱的花时间咯。 本质上这也是聚合类的生存方式，我平台替你把你想要的东西收集起来，你只需要付出少量的金钱即可。

如果你愿意付出时间，也可以自己在互联网上找到你想要的资源，但是一般来说需要的时间都会很多。

已参与了 SegmentFault 思否社区 10 周年「问答」打卡 ，欢迎正在阅读的你也加入。

Answer 5

这个问题还涉及你具体想获取到什么形式的文档数据。

最简单的，就用截图软件去截图，就可以获取到文件内容图片。
其次用orc软件对截图识别，也可以进一步获取文本化内容。
更高级的，就是hook代码，把写入canvas的内容转换到其他地方，不过这个要求很高的，对获取数据来是，成本很高。

已参与了 SegmentFault 思否社区 10 周年「问答」打卡 ，欢迎正在阅读的你也加入。

Answer 6

如果是百度免费的文章，我想能否写个爬虫程序把她们爬下来，还请各位大佬不吝赐教。至于付费的文章，那就按照百度的规定办，否则就有侵犯知识产权之嫌

已参与 「极客观点」 ，欢迎正在阅读的你也加入。

Answer 7

用钱买时间吧，说真的，如果知识真的对你很重要，花点钱也无妨

已参与 「极客观点」 ，欢迎正在阅读的你也加入。

Answer 8

大部分百度的文章其他平台也有，只需要搜索标题或者文章中的关键字，再用百度搜索可能就会发现一个免费的网站

目前各大app的会员也可能会赠送百度文库的会员，例如京东Plus

已参与 「极客观点」 ，欢迎正在阅读的你也加入。

Answer 9

使用油猴脚本 , 或者有个冰点文库下载器, 可以下载到百度文库的文档

如果你要使用程序来获取的话, 只有用 headless 将 canvas 转图片, 然后使用 ocr 识别了

---

已参与 「极客观点」 ，欢迎正在阅读的你也加入。

Answer 10

油猴脚本：文本选中复制，不仅百度文科可以复制，大部分例如 道客巴巴 腾讯文档 豆丁网 无忧考网 学习啦 蓬勃范文 思否社区 力扣 知乎 语雀 等都能复制。

2023年02月27日11:09:30 亲测可用。

另外一种方法就是图片转文字，如果你是 macos 13，转文字准确率很高，并且不用联网，如果不是那么使用微信转文字，准确率也不错。