行标网站文件下载

pk555157815

适用于“行业标准信息服务平台”网站文件下载

https://hbba.sacinfo.org.cn/
注：由于该网站部分文件只能预览，无法下载，利用python写了此工具。
欢迎各位大佬交流指点。

[Python] 纯文本查看 复制代码

# coding=utf-8
import os
import argparse
import requests, shutil
import PIL.Image as pimg
from lxml import etree

def mk_tmp():
    '''
    创建临时文件夹
    :return:
    '''
    try:
        os.mkdir('temp')
    except:
        shutil.rmtree('temp', True)
        os.mkdir('temp')



def main_process(file_id,pic_index=0):
    mk_tmp()
    while True:
        db_web = f'https://hbba.sacinfo.org.cn/hbba_onlineRead_page/{file_id}/{pic_index}.png'
        r = requests.get(db_web, headers=headers)
        print(f'page:{pic_index},status:{r.status_code}')
        if r.status_code == 404:
            print('complete!')
            break
        else:
            with open('./temp/' +  f'{pic_index}.png', 'wb') as f:
                f.write(r.content)
            pic_index += 1

def get_filename(file_id):
    name_web = f'https://hbba.sacinfo.org.cn/stdDetail/{file_id}'
    r = requests.get(name_web, headers=headers)
    html_element = etree.HTML(r.text)
    xpath_filename = '//h4/text()'
    filename = html_element.xpath(xpath_filename)[0].strip('\r\n\t')
    print(filename)
    return filename

if __name__ == '__main__':
    file_id = 'e99f8d17284a5e920923b11911b2f0b1df9ca7e1b6d177b9a7e71ba5390bf573'
    headers = {
        'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/108.0.0.0 Safari/537.36 Edg/108.0.1462.46'
    }
    parser = argparse.ArgumentParser(description="Download DB file with file_id on the website")
    parser.add_argument('-f', '--file_id', type=str, help='file_id',required=True)
    parser.add_argument('-p','--pic_index', type=int, help='pic_index',default=0)
    args = parser.parse_args()
    filename = get_filename(args.file_id)
    main_process(args.file_id,args.pic_index)
    sources = []
    file_list = os.listdir('./temp')
    sources = [pimg.open(f'./temp/{i}.png') for i in range(len(file_list))]
    sources[0].save(f'./{filename}.pdf', 'pdf', save_all=True, append_images=sources[1:])

## 使用方法
1.获取文件file_id

获取file_id

2.命令行使用方法

-h 显示方法使用帮助
-f 后跟file_id
-p 后跟pic_index（下载起始页，默认为0，可缺省）
3.下载文件

4.最终输出结果为文件名.pdf，输出路径为python文件同级目录。


有类似需求的各位，可以看看我写的另外一篇下载GB文件的思路分享，如果有帮助的话请大家投投币来点免费的热心，谢谢{:300_957:}

GB官方网页在线预览文件下载思路
https://www.52pojie.cn/thread-1729810-1-1.html
(出处: 吾爱破解论坛)

cick

[Python] 纯文本查看 复制代码

import os
import platform
import subprocess
import requests
import shutil
import PIL.Image as pimg
from lxml import etree
import PySimpleGUI as sg

def mk_tmp():
    '''
    Create a temporary folder
    '''
    try:
        os.mkdir('temp')
    except:
        shutil.rmtree('temp', True)
        os.mkdir('temp')

def main_process(file_id, pic_index=0):
    mk_tmp()
    while True:
        db_web = f'https://hbba.sacinfo.org.cn/hbba_onlineRead_page/{file_id}/{pic_index}.png'
        r = requests.get(db_web, headers=headers)
        print(f'page:{pic_index},status:{r.status_code}')
        if r.status_code == 404:
            print('complete!')
            break
        else:
            with open('./temp/' + f'{pic_index}.png', 'wb') as f:
                f.write(r.content)
            pic_index += 1

def get_filename(file_id):
    name_web = f'https://hbba.sacinfo.org.cn/stdDetail/{file_id}'
    r = requests.get(name_web, headers=headers)
    html_element = etree.HTML(r.text)
    xpath_filename = '//h4/text()'
    filename = html_element.xpath(xpath_filename)[0].strip('\r\n\t')
    print(filename)
    return filename

def open_folder(folder_path):
    system = platform.system()
    if system == "Windows":
        subprocess.Popen(['explorer', folder_path])
    elif system == "Darwin":
        subprocess.Popen(['open', folder_path])
    else:
        subprocess.Popen(['xdg-open', folder_path])

if __name__ == '__main__':
    sg.theme('SystemDefault')
    layout = [
        [sg.Text('Enter File ID:'), sg.InputText(key='file_id')],
        [sg.Button('Download'), sg.Button('Exit')]
    ]

    window = sg.Window('Download Tool', layout)

    while True:
        event, values = window.read()

        if event == sg.WINDOW_CLOSED or event == 'Exit':
            break
        elif event == 'Download':
            file_id = values['file_id']
            headers = {
                'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/108.0.0.0 Safari/537.36 Edg/108.0.1462.46'
            }
            filename = get_filename(file_id)
            main_process(file_id)
            sources = []
            file_list = os.listdir('./temp')
            sources = [pimg.open(f'./temp/{i}.png') for i in range(len(file_list))]
            sources[0].save(f'./{filename}.pdf', 'pdf', save_all=True, append_images=sources[1:])
            sg.popup('Download completed!')
            open_folder(os.path.abspath('.'))
            break

    window.close()

因为我是mac环境，所以改成用命令行来执行还是不太方便，然后GPT修改之后代码如下

[Python] 纯文本查看 复制代码

import os
import requests
import shutil
import PIL.Image as pimg
from lxml import etree
def mk_tmp():
'''
Create a temporary folder
'''
try:
os.mkdir('temp')
except:
shutil.rmtree('temp', True)
os.mkdir('temp')
def main_process(file_id, pic_index=0):
mk_tmp()
while True:
db_web = f'https://hbba.sacinfo.org.cn/hbba_onlineRead_page/{file_id}/{pic_index}.png'
r = requests.get(db_web, headers=headers)
print(f'page:{pic_index},status:{r.status_code}')
if r.status_code == 404:
print('complete!')
break
else:
with open('./temp/' + f'{pic_index}.png', 'wb') as f:
f.write(r.content)
pic_index += 1
def get_filename(file_id):
name_web = f'https://hbba.sacinfo.org.cn/stdDetail/{file_id}'
r = requests.get(name_web, headers=headers)
html_element = etree.HTML(r.text)
xpath_filename = '//h4/text()'
filename = html_element.xpath(xpath_filename)[zxsq-anti-bbcode-0].strip('\r\n\t')
print(filename)
return filename
if name == 'main':
file_id = input("Enter the file ID: ")  # Take file ID input from the user
headers = {
'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/108.0.0.0 Safari/537.36 Edg/108.0.1462.46'
}
filename = get_filename(file_id)
main_process(file_id)
sources = []
file_list = os.listdir('./temp')
sources = [pimg.open(f'./temp/{i}.png') for i in range(len(file_list))]
sources[zxsq-anti-bbcode-0].save(f'./{filename}.pdf', 'pdf', save_all=True, append_images=sources[1:])

然后直接输入文章对应的file_id就可以下载了。前提是有py环境，打包的我一会试试。



第二版，改了下，直接有弹窗

效果如下








这是修改的第二个方式效果如下

cick

cick 发表于 2024-5-15 16:36
[mw_shl_code=python,true]import os
import platform
import subprocess

貌似mac打包exe有点问题，大家还是用第一版的，第二版可能是我本地环境问题，等学会了打包exe我在传一个

小众资源

写了个易语言版的，在此提供易语言源码



提供了详细的源文件，完备的功能实现了
加个循环就能实现批量，需要的下载研究吧！

易语言源码 - 行业标准网下载.rar (51.18 KB, 下载次数: 10)

2024-5-22 20:43 上传

点击文件名下载附件

ZhjhJZ

大佬，做个软件吧

lemonatalk952

暂时不用，先收藏

Qim626

Python 写的很好，实用。

wpdzdx

工具很好 可是小白不会用呀 在什么平台下能使用

ztgzs

感谢分享   很实用

howyouxiu

感谢分享，网站拿走了

pk555157815

wpdzdx 发表于 2024-5-1 08:43
工具很好 可是小白不会用呀 在什么平台下能使用

安装python3.0以上版本，通过pip工具安装 lxml，PIL库，即可使用啦

pk555157815

ZhjhJZ 发表于 2024-4-30 21:48
大佬，做个软件吧

小工具打包反而挺麻烦的，直接安装python3.0以上版本，通过pip工具安装 lxml，PIL库，即可使用啦

wpdzdx

pk555157815 发表于 2024-5-2 21:55
安装python3.0以上版本，通过pip工具安装 lxml，PIL库，即可使用啦

好的 谢谢 我下载来试试