Wenku Doc Downloader

下载“百度文库”“豆丁网”文档
当前为 2021-11-30 提交的版本，查看最新版本。
换行
// ==UserScript==
// @name         Wenku Doc Downloader
// @namespace    http://tampermonkey.net/
// @version      0.6
// @description  下载“百度文库”“豆丁网”文档
// @author       [email protected]
// @match        https://wenku.baidu.com/view/*
// @match        https://www.docin.com/p-*
// @icon         https://www.google.com/s2/favicons?domain=limestart.cn
// @grant        none
// @license      GPL-3.0-only
// @create       2021-11-22
// @note         1. 现在支持导出pdf（保留排版与图片），使用【HTML转PDF】程序即可。
// @note         2. 但pdf中的图片无法直接复制：以Acrobat为例，先选中图片，然后右键另存出去，然后单独保存的图片可以正常使用，如果直接复制pdf中的图片粘贴到word中很可能失败。
// @note         3. 【HTML转PDF】程序的链接在百度网盘（详见 https://greasyfork.org/zh-CN/scripts/435884-wenku-doc-downloader）。
// ==/UserScript==

/*
*  附属功能函数部分
*/

function createAndDownloadFile(fileName, content) {
    // 创建并下载文件
    var aTag = document.createElement('a');
    var blob = new Blob([content]);
    aTag.download = fileName;
    aTag.href = URL.createObjectURL(blob);
    aTag.click();
    URL.revokeObjectURL(blob);
}

function formatText(text){
    // 用于纯文本文档的文本美化
	var reg_exp_1 = new RegExp(" [(]?=[\u4e00-\u9fa5] [)]");
	var reg_exp_2 = new RegExp("(?<=TEMP[\u4e00-\u9fa5]) ");
	var reg_exp_3 = new RegExp("(?<=[\u4e00-\u9fa5]) (?=[\u4e00-\u9fa5])");

	var text_1 = text.replace(reg_exp_1, "TEMP");
	var text_2 = text_1.replace(reg_exp_2, "");
	var text_3 = text_2.replace("TEMP", "");
	var text_final = text_3.replace(/ /g, " ");
	return text_final;
}

function formatText2(text) {
    // 用于图形文字混合型文档的文本美化
    var reg_exp = new RegExp("[  ]{2,}");
    var content_1 = text.replace(reg_exp, "\n");

    var content_2 = content_1.replace(/[  ]\n/g, "\n");

    var reg_exp_2 = new RegExp("\n[   ]*\n*\n");
    var content_3 = content_2.replace(reg_exp_2, "\n");

    var reg_exp_3 = new RegExp(" *\n * ");
    var content_4 = content_3.replace(reg_exp_3, "\n");

    var content_5 = content_4.replace(/[  ]/g, " ");
    var final_content = content_5.replace(/[ \n]精选文档[ \n]/g).replace(/\n{2,}/g, "\n");

    return final_content;
}

function detectType() {
    // 获取文档类型名称
    var doc_title_wrap = document.getElementsByClassName("doc-title-wrap")[0];
    var file_type = doc_title_wrap.children[0].className;
    var pdf, doc, ppt, excel, type;
    // 判断文档类型
    if (file_type.search("word") !== -1) {
        type = "word";
    }
    else if (file_type.search("ppt") !== -1) {
        type = "ppt";
    }
    else if (file_type.search("excel") !== -1) {
        type = "excel";
    }
    else if (file_type.search("pdf") !== -1) {
        type = "pdf";
    }
    else if (file_type.search("txt" !== -1)) {
        type = "txt";
    }
    else {
        type = file_type;
    }
    // 分别尝试获取相应元素列表，若列表长度为0则不存在相应元素，否则存在
    var pic_nums = document.getElementsByClassName("reader-pic-item").length;
    var word_nums = document.getElementsByClassName("reader-word-layer").length;
    var ppt_img_nums = document.getElementsByClassName("ppt-image-wrap").length;

    // 判断文档类型、文字和图片的数量状况
    if (type === "word" && !word_nums && pic_nums) {
        // doc: 纯图片
        return "doc-only-pic";
    }
    else if (type === "word" && word_nums > 2 && pic_nums <= 1) {
        // doc: 纯文字
        return "doc-only-word";
    }
    else if (type === "word" && pic_nums > 2 && word_nums > 2) {
        // doc: 图形、文字混合
        return "doc-pic-word";
    }
    else if (type === "pdf" && pic_nums > 2 && word_nums === 1) {
        // pdf: 带有一行文字标题，之后都是图形
        return "pdf-pic-title";
    }
    else if (type === "pdf" && !word_nums && pic_nums) {
        // pdf: 纯图形
        return "pdf-only-pic";
    }
    else if (type === "pdf" && !pic_nums && word_nums > 1) {
        // pdf: 纯文字
        return "pdf-only-word";
    }
    else if (type === "pdf" && word_nums > 2 && pic_nums > 1) {
        // pdf: 图形、文字混合
        return "pdf-pic-word";
    }
    else if ((type === "ppt" && ppt_img_nums > 2) || (type === "pdf" && !word_nums && !pic_nums && ppt_img_nums)) {
        // ppt: 包含至少3页内容 / 纯ppt图形页面构成
        return "ppt";
    }
    else if (type === "excel" && pic_nums && word_nums > 2) {
        // excel: 包含可选中文字
        return "excel-only-word";
    }
    else if (type === "excel" && pic_nums && !word_nums) {
        // excel: 纯图形
        return "excel-only-pic";
    }
    else if (type === "txt") {
        // txt: 纯文字
        return "txt";
    }
    else {
        return {"源文档类型": type,
                "图形数量": pic_nums,
                "文字块数量": word_nums,
                "ppt纯图形页面数量": ppt_img_nums};
    }
}

/*
*  主要功能函数部分
*/

function saveHtml() {
    // 提示用户保存完整html页面
    var hint1 = "请按下Ctrl+S以保存页面\n";
    var hint2 = "请保存【网页，全部】或【网页，完成】而非仅HTML或单个文件\n";
    var hint3 = "保存后应当有1个【xxx.html】文件和1个【xxx_files】文件夹\n";
    var hint4 = "请复制这两个文件到【HTML转PDF】程序所在的文件夹"
    alert(hint1 + hint2 + hint3 + hint4);
}

function createSaveHtmlBtn() {
    // 创建 下载html 按钮
    var btn_3 = document.createElement("button");
    // 样式设定
    btn_3.setAttribute("class", "save-html-btn");
    btn_3.style.height = "25px";
    btn_3.style.width = "15%";
    btn_3.style.marginLeft = "0.2%";
    btn_3.style.backgroundColor = "orange";
    btn_3.style.border = "none";
    btn_3.textContent = "导出pdf（实验性）";
    btn_3.style.fontWeight = "bold";
    btn_3.style.borderRadius = "10%";
    // 绑定事件，添加到页面上
    btn_3.onclick = saveHtml;
    var section = document.getElementsByClassName("btns_section")[0];
    section.appendChild(btn_3);
}

function readAll() {
    var read_all_btn = document.getElementsByClassName("read-all")[0];
    // 如果存在“继续阅读”的按钮
    if (read_all_btn) {
        // 点击“继续阅读”按钮
        read_all_btn.click();
    }
    else{
        var hint = "文档已经完全展开，可以导出";
        alert(hint);
        try {
            // 判断文档类型
            var category = detectType();
        }
        catch {
            alert("未知/特殊文档类型，例如学术文献，暂不支持下载\n也可与作者反馈或联系:\[email protected]");
            return undefined;
        }
        // 准备调整按钮，先获取按钮
        var init_btn = document.getElementsByClassName("init-btn")[0];
        var save_doc_btn = document.getElementsByClassName("save-doc-btn")[0];

        // 根据文档类型判断是否要增加“导出pdf”橙色按钮
        if (category === "doc-only-word" ||
                category === "doc-pic-word" ||
                category === "pdf-only-word" ||
                category === "pdf-pic-word" ||
                category === "excel-only-word") {
            // 非纯图片文档可以使用html转pdf的功能（excel不行）
            save_doc_btn.style.width = "34.8%";
            createSaveHtmlBtn();
        }
        // 根据文档类型判断是否要更换绿色按钮的文字
        else if (category === "doc-pic-only" ||
                category === "pdf-pic-title" ||
                category === "ppt" ||
                category === "pdf-only-pic" ||
                category === "excel-only-pic"){
            save_doc_btn.textContent = "导出全部图片链接";
        }
        // 调整按钮显示状况
        save_doc_btn.style.removeProperty("display");
        init_btn.style.display = "none";
    }
}

function savePDFData() {
    // 存储pdf型data（假定是内容是pic）
    // alert("Function savePDFData was called.");
    var pic_urls = document.getElementsByClassName("reader-pic-item");
    var text_list = [];
    // 去掉前缀
    var reg_exp_1 = new RegExp(": ?url[(]");
    // 去掉后缀
    var reg_exp_2 = new RegExp("[)]; ?background-position");

    for (var i = 0; i < pic_urls.length; i++){
        var whole_text = pic_urls[i].getAttribute("style");
        var de_pretext = whole_text.split(reg_exp_1)[1];
        var url = de_pretext.split(reg_exp_2)[0];
        text_list.push(url);
    }

    text_list[0] = text_list[0].replace(/"/g, "");
    var content = text_list.join("\n");
    // 启动下载
    createAndDownloadFile("urls.csv", content);
}

function saveDocData() {
    // 存储doc型data（内容是text）
    // alert("Function saveDocData was called.");
    // 获取文本
	var text_elements = document.getElementsByClassName("reader-word-layer");
	var texts = [];
	for (var elem of text_elements){
		texts.push(elem.textContent);
	}
	// 美化后导出文本
	var origin_content = texts.join("");
	var content = formatText(origin_content);
	createAndDownloadFile("纯文本文档.txt", content);
}

function savePPTData() {
    // 存储ppt型data（内容是pic）
    // alert("Function savePPTData was called.");
    var pic_elements = document.getElementsByClassName("ppt-image-wrap");
    var pic_urls = [];

    for (var elem of pic_elements) {
        var pic_obj = elem.children[0];
        var url = pic_obj.src;
        pic_urls.push(url);
    }
    var content = pic_urls.join("\n");
    // 启动下载
    createAndDownloadFile("urls.csv", content);
}

function saveExcelData() {
    // 1. 拿到表格
    var table_pic = document.getElementsByClassName("reader-pic-item")[0];
    var url = table_pic.style.getPropertyValue("background-image");
    // 获取图片地址
    var pure_url = url.slice(5, -2);

    // 2. 拿到表格内文字信息
    var text_elems = document.getElementsByClassName("reader-word-layer");
    var text_list = [];
    for (var elem of text_elems) {
    	text_list.push(elem.textContent);
    }
    var _text = text_list.join("\n");
    // 替换奇怪的空格
    var text = _text.replace(/ /g, " ");

    // 3. 合并至一个字符串，然后导出
    var head = "表格图形链接如下（复制到浏览器中打开）：";
    var content = head + "\n\n" + pure_url + "\n\n" + text;
    createAndDownloadFile("图片地址和表格内容.txt", content);
}

function saveDocAndPicData() {
    // 对于文字和图形混合型的data只能存储其中的纯文字
    // alert("Function saveDocAndPicData was called.");
    // 获取文本
	var text_elements = document.getElementsByClassName("reader-word-layer");
	var texts = [];
	for (var elem of text_elements){
		texts.push(elem.textContent);
	}
    var origin_content = texts.join("");
	// 美化后导出文本
	var content = formatText2(origin_content);
	createAndDownloadFile("纯文本文档.txt", content);
}

function saveTxtData() {
    // 存储纯文本到本地
    var text_elements = document.getElementsByClassName("p-txt");
	var texts = [];
	for (var elem of text_elements){
		texts.push(elem.textContent);
	}
    var content = texts.join("");
	createAndDownloadFile("纯文本文档.txt", content);
}

function saveData() {
    // 存储文档数据到本地
    var category = detectType();
    if (category === "doc-pic-only" ||
             category === "pdf-pic-title" ||
             category === "pdf-only-pic" ||
             category === "excel-only-pic"){
        // 对于纯图形文档，都用【图片下载合并器】来处理
        savePDFData();
    }
    else if (category === "doc-only-word" ||
             category === "doc-pic-word" ||
             category === "pdf-only-word" ||
             category === "pdf-pic-word") {
        // 对于包含大量文字、且非表格的文档，直接提出纯文本
        saveDocData();
    }
    else if (category === "ppt") {
        // ppt按类似于纯图文档的方法处理
        savePPTData();
    }
    else if (category === "excel-only-word") {
        // excel仅保存其中的纯文字
        saveExcelData();
    }
    else if (category === "txt") {
        // txt直接保存
        saveTxtData();
    }
    else {
        var info = [];
        for (var key in category){
            info.push(key + " : " + category[key]);
        }
        alert("未知处理类型，请反馈或联系作者:\[email protected]\n" + info.join("\n"));
    }
}

/*
*  主函数部分
*/

function baiduWenku() {
    // 创建脚本启动按钮1、2、3
    var btn_1 = document.createElement("button");
    var btn_2 = document.createElement("button");

    // 设定按钮1、2、3样式
    btn_1.setAttribute("class", "init-btn");
    btn_1.style.height = "25px";
    btn_1.style.width = "50%";
    btn_1.style.marginLeft = "25%";
    btn_1.style.border = "none";
    btn_1.style.backgroundColor = "blue";

    btn_2.setAttribute("class", "save-doc-btn");
    btn_2.style.height = "25px";
    btn_2.style.width = "50%";
    btn_2.style.marginLeft = "25%";
    btn_2.style.backgroundColor = "green";
    btn_2.style.border = "none";
    btn_2.style.display = "none";
    btn_2.textContent = "导出纯文本";
    btn_2.style.color = "white";
    btn_2.style.fontWeight = "bold";

    // 绑定主函数
    btn_1.onclick = readAll;
    btn_2.onclick = saveData;

    // 添加按钮元素到页面
    var section = document.createElement("section");
    section.setAttribute("class", "btns_section");
    section.appendChild(btn_1);
    section.appendChild(btn_2);
    document.body.appendChild(section);
    // 确认主程序加载完毕
    console.log("Program Loaded");
}

function docin() {
    // 创建脚本启动按钮
    var btn = document.createElement("button");
    // 设定按钮1、2样式
    btn.style.height = "25px";
    btn.style.width = "50%";
    btn.style.marginLeft = "25%";
    btn.style.backgroundColor = "green";

    // 绑定主函数
    var printPage = function() {window.print();};
    btn.addEventListener("click", printPage);
    // 添加按钮元素到页面
    document.body.appendChild(btn);
    // 确认主程序加载完毕
    console.log("Program Loaded");
}

function main() {
    var host = window.location.host;
    if (host === "wenku.baidu.com") {
        baiduWenku();
    }
    else if (host === "www.docin.com") {
        docin();
    }
    else {
        console.log("匹配到了无效网页");
    }
}

main();