对pdf有道翻译的图片爬取

如果

访问https://pdf.youdao.com/

登录

导入pdf翻译

然而导出翻译图片却需要付费，还有水印

 

 

 

 

不如

在环境变量的Path添加路径C:\selenium\AutomationProfile

键入win+R，输入cmd，输入chrome.exe --remote-debugging-port=9222 --user-data-dir="C:\selenium\AutomationProfile"

 

这是以便为新的谷歌浏览器创建新的端口，方便selenium对其接管

再进行以上操作，至于下载图片，源代码如下

 

from selenium import webdriver
from selenium.webdriver.chrome.options import Options
import requests
import os
import time
chrome_options = Options()
headers = {
"User-Agent":"Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/106.0.0.0 Safari/537.36"
}

chrome_options.add_experimental_option("debuggerAddress", "127.0.0.1:9222")#申请了新端口，使用
chrome_driver = "C:\Program Files\Google\Chrome\Application\chromedriver.exe"
driver = webdriver.Chrome(chrome_driver, chrome_options=chrome_options)
#创建会话，更新cookies
s = requests.session()
s.headers.update(headers)
for cookie in driver.get_cookies():
    c = {cookie['name']: cookie['value']}
    s.cookies.update(c)
#获取文档标题
pdf_text=driver.find_element_by_xpath("//*[@id=\"docOriginal\"]/div[1]/span[2]").text
pdf_name=pdf_text.split(".")[0].strip("（")
#定位图片母位置
photo_divs=driver.find_elements_by_xpath("//*[@id=\"docTranslationImg\"]/div")
print("photo_divs=",photo_divs)
j=1

#新建图片储存的文件夹
if not os.path.exists("./Youdao_pdf/{}".format(pdf_name)):
    os.makedirs("./Youdao_pdf/{}/".format(pdf_name))

#遍历图片
for photo_div in photo_divs:
    
    photo_src=photo_div.find_element_by_xpath("./img").get_attribute("src")
    print("photo_src=",photo_src)
    
    r = s.get(photo_src, allow_redirects=True)
    print(r)
    #储存图片
    with open("./Youdao_pdf/{}/第{}张.jpeg".format(pdf_name,j),"wb")as f:
        f.write(r.content)
    j+=1
        
time.sleep(300)

至于水印

目前我是采用PhotoShop的宏命令，Ctrl+L改色阶，批量化执行解决的。最后图片合并为PDF（采用Adobe acrobat 软件免费快速合并，可惜画质似乎一般）。

 

最近在尝试使用python做一个关于图片各种转换的小工具，不知道会不会受语言限制，效率反而更低。

 

目前有道翻译pdf的做工似乎还不太成熟，这里的源码仅供学习参考。