大佬!我又来了! 怎样获取到网页中的 pdf 文件 - V2EX
V2EX = way to explore
V2EX 是一个关于分享和探索的地方
现在注册
已注册用户请  登录
推荐学习书目
Learn Python the Hard Way
Python Sites
PyPI - Python Package Index
http://diveintopython.org/toc/index.html
Pocoo
值得关注的项目
PyPy
Celery
Jinja2
Read the Docs
gevent
pyenv
virtualenv
Stackless Python
Beautiful Soup
结巴中文分词
Green Unicorn
Sentry
Shovel
Pyflakes
pytest
Python 编程
pep8 Checker
Styles
PEP 8
Google Python Style Guide
Code Style from The Hitchhiker's Guide
xueyoucai
V2EX    Python

大佬!我又来了! 怎样获取到网页中的 pdf 文件

  •  1
     
  •   xueyoucai 2020-06-05 15:11:53 +08:00 4717 次点击
    这是一个创建于 1955 天前的主题,其中的信息可能已经有所发展或是发生改变。

    http://bulletin.cebpubservice.com/biddingBulletin/2020-06-05/3034096.html

    上述网站中的 pdf 文件,我可以获取到一个 swf 文件,这个文件只能用 360 浏览器打开。

    有没有办法批量获取到 pdf 文件

    感谢各位大佬!!

    25 条回复    2020-06-05 17:51:02 +08:00
    Jerry1112
        1
    Jerry1112  
       2020-06-05 15:16:47 +08:00
    爬虫爬它
    xueyoucai
        2
    xueyoucai  
    OP
       2020-06-05 15:21:59 +08:00
    @Jerry1112 我知道 问题是怎么获取这个 pdf 文件
    kop1989
        3
    kop1989  
       2020-06-05 15:24:51 +08:00
    这个获取不了吧。相当于是一个 flash 做的 pdf 查看器。swf 是编译过的状态。
    kop1989
        4
    kop1989  
       2020-06-05 15:25:38 +08:00
    除非你把这个 swf 反编译。拿到它里面对应的 pdf 地址,然后结合 html 里传入的参数,来推定你需要的 pdf 的网址。
    yinzhili
        5
    yinzhili  
       2020-06-05 15:27:13 +08:00
    这个页面不是 pdf,是 pdf 转换成了 flash
    also24
        7
    also24  
       2020-06-05 15:33:59 +08:00
    https://www.neowin.net/forum/topic/1226007-ways-to-download-pdf-from-flexpaper/

    https://www.jianshu.com/p/1bcbfb9f144f


    翻看了几个关于 flexpaper 的内容,基本都是通过 “打印 SWF 到虚拟打印机” 实现的。
    different
        8
    different  
       2020-06-05 15:36:25 +08:00
    点击打印,输出到 Microsoft Print to PDF 不就行了嘛?
    different
        9
    different  
       2020-06-05 15:37:05 +08:00
    不好意思,没留意到“批量”
    sleepm
        10
    sleepm  
       2020-06-05 15:38:30 +08:00
    左上角打印,另存为 pdf
    左上角菜单(打印 单页 第二页 缩略图 适合宽度...)
    眼看着是扫描的,保存出来也是,所以文字是选择不了的
    xueyoucai
        11
    xueyoucai  
    OP
       2020-06-05 15:41:38 +08:00
    @sleepm 批量获取
    xueyoucai
        12
    xueyoucai  
    OP
       2020-06-05 15:42:13 +08:00
    @yinzhili 对 我在想怎么获取 pdf 文件 活着说识别这个 swf 文件
    nuistzhou
        13
    nuistzhou  
       2020-06-05 15:45:42 +08:00 via iPhone
    Selenium 模拟然后批量虚拟打印?(我瞎说的)
    xueyoucai
        14
    xueyoucai  
    OP
       2020-06-05 15:47:20 +08:00
    @nuistzhou 在 HMTL 中这个 pdf 展示 是一个<object> selenuim 无法获取到元素
    Jirajine
        15
    Jirajine  
       2020-06-05 15:47:37 +08:00 via Android
    抓包看一下,能找到文件请求的话可以通过 mitm 配合脚步截获,要是加密了的话就没办法了,你得找个会逆 flash 的人。
    sleepm
        16
    sleepm  
       2020-06-05 15:47:48 +08:00
    批量的话按键精灵 。。。
    xueyoucai
        17
    xueyoucai  
    OP
       2020-06-05 15:49:43 +08:00
    @Jirajine 咦 对哦 抓包 我还没试
    xueyoucai
        18
    xueyoucai  
    OP
       2020-06-05 15:50:17 +08:00
    @sleepm 。。。。
    yinzhili
        19
    yinzhili  
       2020-06-05 15:52:40 +08:00
    @xueyoucai 我们以前做过一个在线教育的网站,就是用 swftools 把 PDF 文件转换成 swf 在网页上展示,原始 PDF 文件不会放到公网的。
    CageZhong
        20
    CageZhong  
       2020-06-05 16:44:59 +08:00
    之前做过一个工具,也是爬虫爬取所有的 swf 文件回来,然后转换 pdf,合并 pdf
    sleepm
        22
    sleepm  
       2020-06-05 17:21:40 +08:00
    扫码有惊喜,关注后有手机查看的页面,里面有链接
    muyi
        23
    muyi  
       2020-06-05 17:28:19 +08:00
    使用 swftools 中的 swfrender 将 swf 转成 png,再用 imagemagick 将所有 png 合成 pdf,这两步都能用命令行完成,写个软件可以做到批量化
    frankyxu
        24
    frankyxu  
       2020-06-05 17:44:16 +08:00
    ffdec 将 swf 转成 image,命令如下
    java -jar ffdec.jar -cli -export image images C:\Users\EDZ\Downloads\bf8792877a7d48bcb48564fce83f99fa.swf
    然后自己写个函数将 image 转成 pdf
    Arrowing
        25
    Arrowing  
       2020-06-05 17:51:02 +08:00
    swf to pdf,我试了可行。
    先安装 pdf 24,他会安装一个虚拟打印机。
    然后在浏览器上点击打印,选择这个虚拟打印机,选择之后,又个选项是保存 PDF 选项。
    成功!
    现在就是怎么把这些操作自动化,就可以完成你的任务了。
    关于     帮助文档     自助推广系统     博客     API     FAQ     Solana     2614 人在线   最高记录 6679       Select Language
    创意工作者们的社区
    World is powered by solitude
    VERSION: 3.9.8.5 26ms UTC 10:40 PVG 18:40 LAX 03:40 JFK 06:40
    Do have faith in what you're doing.
    ubao snddm index pchome yahoo rakuten mypaper meadowduck bidyahoo youbao zxmzxm asda bnvcg cvbfg dfscv mmhjk xxddc yybgb zznbn ccubao uaitu acv GXCV ET GDG YH FG BCVB FJFH CBRE CBC GDG ET54 WRWR RWER WREW WRWER RWER SDG EW SF DSFSF fbbs ubao fhd dfg ewr dg df ewwr ewwr et ruyut utut dfg fgd gdfgt etg dfgt dfgd ert4 gd fgg wr 235 wer3 we vsdf sdf gdf ert xcv sdf rwer hfd dfg cvb rwf afb dfh jgh bmn lgh rty gfds cxv xcv xcs vdas fdf fgd cv sdf tert sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf shasha9178 shasha9178 shasha9178 shasha9178 shasha9178 liflif2 liflif2 liflif2 liflif2 liflif2 liblib3 liblib3 liblib3 liblib3 liblib3 zhazha444 zhazha444 zhazha444 zhazha444 zhazha444 dende5 dende denden denden2 denden21 fenfen9 fenf619 fen619 fenfe9 fe619 sdf sdf sdf sdf sdf zhazh90 zhazh0 zhaa50 zha90 zh590 zho zhoz zhozh zhozho zhozho2 lislis lls95 lili95 lils5 liss9 sdf0ty987 sdft876 sdft9876 sdf09876 sd0t9876 sdf0ty98 sdf0976 sdf0ty986 sdf0ty96 sdf0t76 sdf0876 df0ty98 sf0t876 sd0ty76 sdy76 sdf76 sdf0t76 sdf0ty9 sdf0ty98 sdf0ty987 sdf0ty98 sdf6676 sdf876 sd876 sd876 sdf6 sdf6 sdf9876 sdf0t sdf06 sdf0ty9776 sdf0ty9776 sdf0ty76 sdf8876 sdf0t sd6 sdf06 s688876 sd688 sdf86