企业官网建设流程全解析

实测手记：baidu-wenku 脚本 3 步免费提取百度文库全文并保存为 PDF

【免费下载链接】baidu-wenkufetch the document for free项目地址: https://gitcode.com/gh_mirrors/ba/baidu-wenku

baidu-wenku 是一个只有一百多行的纯前端 JavaScript 脚本，专门用来清理百度文库文档页面的广告、付费提示和冗余元素，让整篇文档能用 Ctrl+P 直接免费保存为 PDF。这篇实测手记不讲官方文档，只讲我 clone 下来后真实跑通的路径、调过的参数，以及三个差点让我放弃的时刻。

先说结论：3 步、2 个参数、1 个硬前提

如果你赶时间，先记住这组数字——

• 3 步：clone 脚本 → 打开wenku.baidu.com/view/*格式的文档页 → 控制台粘贴执行；
• 2 个参数：滚动间隔waitTime4Scroll（默认 800ms）和纸张间距margin4ReaderPage（默认"-75px auto"），都写在文件开头，改完即生效；
• 1 个硬前提：页面 URL 必须是文库的阅读页。在搜索结果页或首页粘贴，脚本不会有任何反应——别问我是怎么知道的。

以我实测的那份 30 页行业报告为例：执行后约 1 分钟完成全部内容的滚动加载，再过 2 秒自动弹出打印窗口，选"另存为 PDF"就收工了。全程零安装、零依赖，适合偶尔需要把一两篇文库文档存成本地文件的个人用户。

我为什么要折腾这件事

上周五加班到深夜，我赶一份行业报告，能搜到的完整版本就挂在百度文库上。前面几页预览还能翻，往后全是下载券和会员解锁的提示。那晚我的心情大概可以概括成一句话：付费不划算，截图截不动，弹窗关不完。

我需要的其实很简单——偶尔遇到一篇要完整读的文库文档，能干干净净地存到本地。就这么点需求，折腾了我一个多小时。

对比：我试过的四种办法和它们的下场

在找到 baidu-wenku 之前，我把市面上常见路子全走了一遍：

说实话，我一开始对"往控制台里粘脚本"也心存警惕——万一是偷数据的呢？把index.js逐行读完才放心：它只做页面层面的清理和滚动加载，不发起任何网络请求，也不改动文档内容，风险最小。

完整提取步骤：从 clone 到打印出 PDF

下面按我实际操作顺序整理成四步，每一步都附上注意点。

1. 把脚本拿到本地。打开终端执行克隆命令：

git clone https://gitcode.com/gh_mirrors/ba/baidu-wenku

克隆完进入项目目录，整个工具的核心就一份index.js，一百多行，建议先打开浏览一遍，心里有个数。

2. 打开目标文档页面。访问百度文库，打开你想提取的文档。⚠️ 先确认地址栏是wenku.baidu.com/view/xxxx这种格式，这是脚本的匹配范围，格式不对后面全白搭。

3. 在控制台粘贴执行。按F12打开开发者工具 → 切到"控制台"（Console）→ 全选复制index.js的内容粘贴进去 → 回车。之后不用你做任何事：干扰元素被清理、页面开始逐屏滚动、版式被重新整理、打印窗口自动弹出。

4. 保存成果。在打印窗口把目标打印机选成"另存为 PDF"即可；也可以直接取消打印，把网页另存为 mhtml 格式，内容同样完整保留。

小提示：脚本用的是 jQuery 选择器，文库阅读页本身已加载 jQuery，所以粘贴即用，不用额外引入任何库。

脚本内部：几个"不讲武德"的小设计

把源码读完，我发现它解决麻烦的方式相当讨巧：

• 先点"继续阅读"：开头就模拟点击.goBtn和.read-all，把折叠区域先释放出来；
• 隐藏而非删除：对.aside这类元素用hide()而不是remove()——因为滚动时页面会动态重建节点，硬删会反复报Uncaught TypeError: Cannot read property 'top' of undefined；
• 重写删除逻辑：它甚至直接接管了 jQuery 的remove()方法、让它返回false，防止页面在滚动时把已加载的内容又删掉；
• 模拟滚动加载：用定时器每隔waitTime4Scroll毫秒下滚 700 像素，把需要"继续阅读"才出现的内容全部加载出来；
• 抢救打印样式：文库打印 CSS 里有@media print{body{display:none}}，脚本在滚动完成后强制把body设回display:block，两秒后再弹出打印窗口，避免打出白纸。

一句话概括它的哲学：不改内容，只清干扰、加载全、理顺版式，剩下的交给浏览器自带的打印功能。

两个可调参数：我的实测调参记录

配置区就两个变量，全在文件开头的 Config 段落里：

var waitTime4Scroll = 800; // 模拟向下滚动的间隔，单位毫秒 var margin4ReaderPage = "-75px auto"; // 打印时的纸张间距

①waitTime4Scroll，滚动间隔，默认 800（毫秒）

它决定滚动加载的节奏，直接关系加载完整度和耗时：数值偏大加载更稳但更慢，偏小更快但可能跳过未加载的章节。我的实测结论是：50 页以内的文档保持 800 即可；更长的文档或网络较慢时，调到 1200 左右更稳。我试过一份 80 页的，默认值下中间缺了两节，调到 1200 后一次过。

②margin4ReaderPage，纸张间距，默认"-75px auto"

它控制打印时页与页之间的间距：绝对值过大页面可能显示不全、内容被裁；过小则纸张之间留白太多、浪费纸面。多数文档用默认值就合适，只有当你打出来发现"每页被切了一半"或"大片空白"时，再小幅微调，配合打印对话框里的缩放比例一起调。

踩坑实录：3 个差点让我放弃的报错时刻

实测中我翻了三次车，记录在案：

翻车一：脚本执行后页面毫无反应。排查顺序：先看 URL 是不是view/*格式 → 再看控制台有没有红色报错 → 刷新页面重新执行。九成问题出在前两步。

翻车二：保存的 PDF 内容不完整，中间缺页。基本都是滚动太快、内容没来得及加载。把waitTime4Scroll调大再跑一遍，或者先手动往下滚几屏触发加载后再执行脚本，都能缓解。

翻车三：打印预览里页面显示不全或留白过多。这是margin4ReaderPage没配好。微调数值，配合打印对话框的缩放比例和纸张尺寸一起调整，通常一两轮就调到满意。

问题速查表：照着这个表基本不用再问

最后聊聊边界：什么它能做，什么它不该做

一整天实测下来，我给 baidu-wenku 的评价是六个字：轻、快、稳、边界清楚。它不解决批量搬运，也不承诺绕过付费墙，它只解决一个朴素需求——偶尔遇到一篇需要完整阅读的文库文档，能体面地存到本地。

说白了，它替我解决的是"读得下去"的问题；至于读完之后能想明白什么，那是任何脚本都替不了我的部分。如果你正被文库的付费提示和弹窗劝退，按上面的四步试一次，全程不超过十分钟。

最后留个问题给你：如果换成你，最近一次被文库付费提示劝退的是哪份材料？跑通之后，欢迎回来聊聊你的结果。

【免费下载链接】baidu-wenkufetch the document for free项目地址: https://gitcode.com/gh_mirrors/ba/baidu-wenku