用网络爬虫爬取百度文库world文档到本地

爬取百度文库的文档需要先登录，这里我们可以使用Selenium库模拟浏览器登录。具体步骤如下：

1. 安装Selenium库：`pip install selenium`。

2. 安装Chrome浏览器和对应版本的ChromeDriver驱动程序。ChromeDriver下载地址：http://chromedriver.chromium.org/downloads。

3. 导入必要的库，并打开Chrome浏览器：

from selenium import webdriver
from selenium.webdriver.common.keys import Keys

# 打开Chrome浏览器
driver = webdriver.Chrome()

4. 打开百度文库并登录：

# 打开百度文库网站
driver.get("https://wenku.baidu.com/")

# 等待页面加载完成
driver.implicitly_wait(5)

# 点击登录按钮
login_button = driver.find_element_by_id("loginBtn")
login_button.click()

# 输入用户名和密码登录
username_input = driver.find_element_by_id("username")
username_input.send_keys("your_username")
password_input = driver.find_element_by_id("password")
password_input.send_keys("your_password")
password_input.send_keys(Keys.RETURN)

5. 定位需要下载的文档并点击下载：

# 定位文档并点击下载
doc_link = driver.find_element_by_xpath("//a[@class='doc-title']/@href")
doc_link.click()

6. 切换到新打开的标签页，获取文档的URL并下载：

# 切换到新打开的标签页
driver.switch_to.window(driver.window_handles[-1])

# 获取文档的URL
doc_url = driver.current_url

# 使用requests库下载文档并保存到本地
import requests

res = requests.get(doc_url)
with open("world.docx", "wb") as f:
    f.write(res.content)

完整代码如下：

from selenium import webdriver
from selenium.webdriver.common.keys import Keys
import requests

# 打开Chrome浏览器
driver = webdriver.Chrome()

# 打开百度文库网站
driver.get("https://wenku.baidu.com/")

# 等待页面加载完成
driver.implicitly_wait(5)

# 点击登录按钮
login_button = driver.find_element_by_id("loginBtn")
login_button.click()

# 输入用户名和密码登录
username_input = driver.find_element_by_id("username")
username_input.send_keys("your_username")
password_input = driver.find_element_by_id("password")
password_input.send_keys("your_password")
password_input.send_keys(Keys.RETURN)

# 等待页面加载完成
driver.implicitly_wait(5)

# 定位文档并点击下载
doc_link = driver.find_element_by_xpath("//a[@class='doc-title']/@href")
doc_link.click()

# 切换到新打开的标签页
driver.switch_to.window(driver.window_handles[-1])

# 获取文档的URL
doc_url = driver.current_url

# 使用requests库下载文档并保存到本地
res = requests.get(doc_url)
with open("world.docx", "wb") as f:
    f.write(res.content)

# 关闭浏览器
driver.quit()

需要替换代码中的`your_username`和`your_password`为你的百度账号。