最近在找一篇文档的时候找到了book118这个网站。里面的资源很显然是没有权限的，他应该只是搜集了一下，就要求付费下载了。真是让人火大。

顺手写了个小爬虫，下载文档。仅供学习交流使用。可能要一点python的基础。

下载：https://github.com/kerms5/book118/archive/refs/heads/master.zip

Book118

使用playwright强力驱动的book118下载工具。

简介：book118本身是直接将其图片连接放置在了页面元素内，但是存在一个懒加载的问题。即部分图像只有访问到时才会加载，所以这里使用playwright进行模拟访问，等待其加载完毕之后，使用beautifulSoup进行格式化，再利用自带的request进行下载。

进入页面之后，直接下拉完全，再使用sroll语句聚焦到每一个元素等待其懒加载。

由于对于懒加载完成的判定我暂时还没有搞清楚，所以这里完全是使用sleep语句等待加载，使用死循环+try+break，1秒钟做一次查询，直到获取链接，所以用的时间可能会比较长。

获取链接之后，使用request包直接下载图片。默认下载到运行目录下。

之后，再调用img2pdf包，转成pdf文件。

这里我保留了图片和pdf两种形式，如果只需要一种的可以后期再删除。

使用说明

下载、解压本项目，安装依赖

pip install -r requirements.txt

# 安装playwright库
pip install playwright

# 安装浏览器驱动文件（安装过程稍微有点慢）
python3 -m playwright install

访问book118网站，点击预览，复制链接，格式如下；

https://max.book118.com/html/2017/1105/139064432.shtm

以上面的链接为例，在项目文件夹下，使用：

python run.py 'https://max.book118.com/html/2017/1105/139064432.shtm'

运行将会在运行目录下生成图片和pdf文档。