Wenku Doc Downloader

下载“百度文库”文档，导出txt或pdf。“豆丁网”“爱问共享资料”（新浪文档）文档导出pdf。
当前为 2021-12-04 提交的版本，查看最新版本。
换行
// ==UserScript==
// @name         Wenku Doc Downloader
// @namespace    http://tampermonkey.net/
// @version      0.8
// @description  下载“百度文库”文档，导出txt或pdf。“豆丁网”“爱问共享资料”（新浪文档）文档导出pdf。
// @author       allenlv2690@gmail.com
// @match        https://wenku.baidu.com/view/*
// @match        https://www.docin.com/p-*
// @match        https://ishare.iask.sina.com.cn/f/*
// @icon         https://www.google.com/s2/favicons?domain=limestart.cn
// @grant        none
// @license      GPL-3.0-only
// @create       2021-11-22
// @note         修复了“导出PDF（实验性）”的Bug，废弃了【HTML转PDF】程序
// ==/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};
    }
}
 
function tryToRemoveElement(element) {
    // try移除元素
    try {
        element.remove();
    }
    catch(e) {
        console.log();
    }
}
 
function tryToRemoveSameElem(elem_list_box) {
    // try移除[元素列表1, 元素列表2, ...]的元素
    for (var elem_list of elem_list_box) {
        if (!elem_list) {
            continue;
        }
        for (var elem of elem_list) {
            try {
                elem.remove();
            }
            catch(e) {
                console.log();
            }
        }
    }
}
 
function centerDoc(class_name, default_offset) {
    // 使文档居中
    var doc_main = document.getElementsByClassName(class_name)[0];
    var offset = window.prompt("请输入偏移百分位：", default_offset);
    // 如果输入的数字不在 0-59 内，提醒用户重新设置
    if (offset.length === 1 && offset.search(/[0-9]/) !== -1) {
        doc_main.style.marginLeft = offset + "%";
        return true;
    }
    else if (offset.length === 2 && offset.search(/[1-5][0-9]/) !== -1) {
        doc_main.style.marginLeft = offset + "%";
        return true
    }
    else {
        alert("请输入一个正整数，范围在0至59之间，用来使文档居中\n（不同文档偏移量不同，所以需要手动调整）");
        return false;
    }
}
 
/*
*  主要功能函数部分
*/
 
var docin_counter = 0;
 
function printPageDocin() {
    // # 清理并打印豆丁网的文档页
    // ## 选择指针光标
    try {document.getElementById("j_select").click();} catch(e) {console.log();}
    // ## 移除页面上无关的元素
    // ### 移除单个元素
    var doc_head = document.getElementsByClassName("doc_header_mod")[0];
    var head_wrapper = document.getElementsByClassName("head_wrapper")[0];
    var aside = document.getElementsByClassName("aside")[0];
    var slide = document.getElementById("docinShareSlider");
    var no_more = document.getElementsByClassName("no_more_mod")[0];
    var like_too = document.getElementById("likeToo");
    var tools_bottom_bar = document.getElementsByClassName("tools_bottom_bar")[0];
    var page_crubms = document.getElementsByClassName("page_crubms")[0];
    var bottom_ad = document.getElementById("jControlDivRecomm");
    var back_to_top = document.getElementsByClassName("backToTop")[0];
    // ### 执行移除
    var elem_list = [doc_head,
                     head_wrapper,
                     aside,
                     slide,
                     no_more,
                     like_too,
                     tools_bottom_bar,
                     page_crubms,
                     bottom_ad,
                     back_to_top
                    ];
    for (var elem of elem_list) {
        tryToRemoveElement(elem);
    }
    // ### 移除全部同类元素
    var ad_box = document.getElementsByClassName("adBox");
    tryToRemoveSameElem([ad_box]);
    // 使文档居中
    var doc = document.getElementsByClassName("main")[0];
    doc.style.marginLeft = "6%";
    // 隐藏按钮，然后打印页面
    var btn_2 = document.getElementsByClassName("save-doc-btn")[0];
    btn_2.style.display = "none";
    // 打印结束，显示按钮
    alert("如果预览时有空白页，请取消打印\n请上下滚动页面，确保每页内容都加载完成\n如果文档中有广告，请取消打印，再点一次按钮\n最多不超过2次，应该没有广告了");
    window.print();
    btn_2.style.removeProperty("display");
}
 
function printPageiShare() {
    // # 清理并打印爱问共享资料的文档页
    // ## 移除页面上无关的元素
    // ### 移除单个元素
    var topbanner = document.getElementsByClassName("detail-topbanner")[0];
    var header = document.getElementsByClassName("new-detail-header")[0];
    var fixright = document.getElementById("fix-right");
    var redpacket = document.getElementsByClassName("loginRedPacket-dialog")[0];
    var fixedrightfull = document.getElementsByClassName("fixed-right-full")[0];
    var footer = document.getElementsByClassName("website-footer")[0];
    var guess = document.getElementsByClassName("guess-you-like-warpper")[0];
    var detailtopbox = document.getElementsByClassName("detail-top-box")[0];
    var fullscreen = document.getElementsByClassName("reader-fullScreen")[0];
    var endhint = document.getElementsByClassName("endof-trial-reading")[0];
    var crumb_arrow;
    try {crumb_arrow = document.getElementsByClassName("crumb-arrow")[0].parentElement;} catch(e) {console.log();}
    var copyright = document.getElementsByClassName("copyright-container")[0];
    var state_btn = document.getElementsByClassName("state-bottom")[0];
    // ### 执行移除
    var elem_list = [topbanner,
                     header,
                     fixright,
                     redpacket,
                     fixedrightfull,
                     footer,
                     guess,
                     detailtopbox,
                     fullscreen,
                     endhint,
                     crumb_arrow,
                     copyright,
                     state_btn
                    ];
    for (var elem of elem_list) {
        tryToRemoveElement(elem);
    }
    // ### 移除全部同类元素
    var adv_container = document.getElementsByClassName("adv-container");
    tryToRemoveSameElem([adv_container]);
    // 使文档居中
    alert("建议使用：\n偏移量：18\n缩放：默认\n如果预览中有广告，就取消打印\n再点一次按钮，预览中应该就没有广告了");
    if (!centerDoc("doc-main", "18")) {
        return; // 如果输入非法，终止函数调用
    }
    // 隐藏按钮，然后打印页面
    var btn_2 = document.getElementsByClassName("save-doc-btn")[0];
    btn_2.style.display = "none";
    window.print();
    // 打印结束，显示按钮
    btn_2.style.removeProperty("display");
}
 
function printPageBaidu() {
    // # 清理并打百度文库的文档页
    // ## 移除无关页面元素
    // ### 要移除的单个元素
    var header_wrapper = document.getElementsByClassName("header-wrapper")[0];
    var right_wrapper = document.getElementById("right-wrapper-id");
    var reader_topbar = document.getElementsByClassName("reader-topbar")[0];
    var end_fold_page = document.getElementsByClassName("try-end-fold-page")[0];
 
    for (var elem_1 of [header_wrapper, right_wrapper, reader_topbar, end_fold_page]) {
        tryToRemoveElement(elem_1);
    }
    // ### 移除全部同类元素
    var lazy_load_list = document.getElementsByClassName("lazy-load");
    var no_full_screen_list = document.getElementsByClassName("no-full-screen");
    var ads = document.getElementsByClassName("hx-warp");
 
    tryToRemoveSameElem([lazy_load_list, ads, no_full_screen_list]);
 
    // 使文档居中
    alert("建议使用：\n偏移量：0\n缩放：118%");
    if (!centerDoc("left-wrapper", "0")) {
        return; // 如果输入非法，退出函数调用
    }
    // 隐藏按钮，然后打印页面
    var section = document.getElementsByClassName("btns_section")[0];
    section.style.display = "none";
    window.print();
    // 打印结束，显示按钮
    section.style.removeProperty("display");
}
 
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 = printPageBaidu;
    var section = document.getElementsByClassName("btns_section")[0];
    section.appendChild(btn_3);
}
 
function readAlliShare() {
    var red_btn = document.getElementsByClassName("red-color")[0];
    var red_text = red_btn.textContent;
    // 如果可以展开，则展开
    if (red_text.search("点击可继续阅读") !== -1) {
        red_btn.click();
    }
    // 否则启动按钮2，准备清理页面然后打印为PDF
    else {
        var hint = "文档已经完全展开，可以导出";
        alert(hint);
        // 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];
        // 调整按钮显示状况
        save_doc_btn.style.removeProperty("display");
        init_btn.style.display = "none";
    }
}
 
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:\nallenlv2690@gmail.com");
            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:\nallenlv2690@gmail.com\n" + info.join("\n"));
    }
}
 
function create2btns() {
    // 创建两个初始按钮：展开文档、存储文档
 
    // 创建脚本启动按钮1、2
    var btn_1 = document.createElement("button");
    var btn_2 = document.createElement("button");
 
    // 设定按钮1、2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_1.style.color = "white";
    btn_1.style.fontWeight = "bold";
    btn_1.textContent = "展开文档";
 
    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.style.color = "white";
    btn_2.style.fontWeight = "bold";
 
    // 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);
    // 返回元素引用
    return [btn_1, btn_2]
}
 
/*
*  主函数部分
*/
 
function baiduWenku() {
    // 创建脚本启动按钮1、2
    var [btn_1, btn_2] = create2btns();
    btn_2.textContent = "导出纯文本";
 
    // 绑定主函数
    btn_1.onclick = readAll;
    btn_2.onclick = saveData;
 
    // 解除打印限制
    var style = document.createElement("style");
    style.innerHTML = `@media print {
        body{
            display:block;
        }
    }`;
    style.type="text/css";
    document.getElementsByTagName("head")[0].appendChild(style);
}
 
function docin() {
    // 创建脚本启动按钮
    var [btn_1, btn_2] = create2btns();
    btn_1.remove();
    btn_2.textContent = "打印页面到PDF";
    btn_2.style.removeProperty("display");
    // 绑定主函数
    btn_2.onclick = printPageDocin;
}
 
function ishare() {
    // 创建脚本启动按钮1、2
    var [btn_1, btn_2] = create2btns();
    btn_2.textContent = "打印页面到PDF";
 
    // 绑定主函数
    btn_1.onclick = readAlliShare;
    btn_2.onclick = printPageiShare;
 
    // 移除底部下载条
    var detailfixed = document.getElementsByClassName("detail-fixed")[0];
    detailfixed.remove();
}
 
function main() {
    var host = window.location.host;
    if (host === "wenku.baidu.com") {
        baiduWenku();
    }
    else if (host === "www.docin.com") {
        docin();
    }
    else if (host === "ishare.iask.sina.com.cn") {
        ishare();
    }
    else {
        console.log("匹配到了无效网页");
    }
}
 
main();