文章目录[隐藏]
声明：
我不建议大家盲目去抓人家的站，去拿人家的东西。读书人的事情不算偷，但别因为贪婪就去干竭泽而渔的事情，最终原意公开的人越来越少，大家更难拿到研究资料。
真正有需求，请去购买正版！
我写上篇二字的原因是这篇仅仅针对于一个变量，而不是多个。（或者叫通配符。后续你就会发现了。）
需求
- PC；
- IDM；
- 浏览器用火狐、谷歌、edge都行，要F12看得到东西的；
- 一定的动手能力和耐心。
（如果认为这个教程步骤太多，建议直接放弃。如果有更好的方法，请直接联系我。）； - EmEditor等文本编辑器；
- 四级英语；
- 魔法上网（部分需要）。
思路分析
你会发现很多图书馆给你在线看到话就是图片，（有几个东洋比较阴间的我就不点名了，玩到最后都清楚干了什么事情。）这样我们把图片下载下来不就可以了？
举例说明
例1（不加载高清图但是能看得到原数据，变量只有一个。）
我拿哈佛大学图书馆举个例子吧。这家其实是比较良心的，稍后就知道了。
随便搜一本可以在线看的（其实这本我早就下了。）。
点进去（别和我说你找不到入口，我四级飘过都行。），
然后这样点。
重点来了，我们要在这里面找东西。我换火狐了，可以美化一下输出，不然看的眼花。
我们往下翻，找到这种字段。（既然是图片，肯定是找有JPG、PNG TIFF的）
然后我们研究一下上下的链接差异如何。
"@id": "https://iiif.lib.harvard.edu/manifests/drs:15083822/sequence/normal.json",
"@type": "sc:Sequence",
"canvases": [
{
"@id": "https://iiif.lib.harvard.edu/manifests/drs:15083822/canvas/canvas-15084244.json",
"@type": "sc:Canvas",
"height": 2925,
"images": [
{
"@id": "https://iiif.lib.harvard.edu/manifests/drs:15083822/annotation/anno-15084244.json",
"@type": "oa:Annotation",
"motivation": "sc:painting",
"on": "https://iiif.lib.harvard.edu/manifests/drs:15083822/canvas/canvas-15084244.json",
"resource": {
"@id": "https://ids.lib.harvard.edu/ids/iiif/15084244/full/full/0/default.jpg",
"@type": "dctypes:Image",
"format": "image/jpeg",
"height": 2925,
"service": {
"@context": "http://iiif.io/api/image/2/context.json",
"@id": "https://ids.lib.harvard.edu/ids/iiif/15084244",
"profile": "http://iiif.io/api/image/2/level2.json"
},
"width": 2085
}
}
],
"label": "(seq. 1)",
"thumbnail": {
"@id": "https://ids.lib.harvard.edu/ids/iiif/15084244/full/,150/0/default.jpg",
"@type": "dctypes:Image"
},
"width": 2085
},
{
"@id": "https://iiif.lib.harvard.edu/manifests/drs:15083822/canvas/canvas-15084245.json",
"@type": "sc:Canvas",
"height": 2923,
"images": [
{
"@id": "https://iiif.lib.harvard.edu/manifests/drs:15083822/annotation/anno-15084245.json",
"@type": "oa:Annotation",
"motivation": "sc:painting",
"on": "https://iiif.lib.harvard.edu/manifests/drs:15083822/canvas/canvas-15084245.json",
"resource": {
"@id": "https://ids.lib.harvard.edu/ids/iiif/15084245/full/full/0/default.jpg",
"@type": "dctypes:Image",
"format": "image/jpeg",
"height": 2923,
"service": {
"@context": "http://iiif.io/api/image/2/context.json",
"@id": "https://ids.lib.harvard.edu/ids/iiif/15084245",
"profile": "http://iiif.io/api/image/2/level2.json"
},
"width": 2666
}
}
],
是不是相差了一位？注意这边我们要的是FULL，意思应该明白吧。总不可能研究了半天发现下来一堆小图。我这边要特别说明一点，不要担心大小问题。要么就别下，要么就别担心这个。
打开IDM，左上角点开，
有个添加批量任务，点进去。
把我们刚刚找到的链接复制进去，再改一下，因为我们要让IDM实现递增过程。
我依次说明，就不P图了。那个*的意思是替换的数字，或者说将原先的4245替换成*。
通配符长度就是依次递增的长度，比如说我每次页码增加1，就输入1即可。
它说不能超过1K个文件，我们改小一点，同时如果有超过1K页的书籍，我们分开爬取。
点击确定。
剩下的都是中文，自己选择吧，也没有什么难懂的。后续合成为PDF可以用Adobe自家的Acrobat。这个就自己挑一个版本吧。
例2（加载高清图但是看不到原数据，变量也只有一个。）
我以另一个图书馆举例，京都大学人文科学研究所。
点开刚刚的链接，我们看到了这个。
然后是不是感觉什么都没有，就一张图。这个时候请按下F12，并依次点击。
然后我们多点几下次页（也就是翻页的意思。顺便说一下，我这边不是拼图
这样一来，我们要的图片链接就找到了，剩下和例1同理。
例3（不加载高清图，看不到原数据，有单页下载，变量只有一个）
我以HathiTrust图书馆为例说明。
打开即可搜索。
然后我们的搜索结果
点进去你会发现左边有个下载。
点开，自己选格式吧。
别着急点下载，先按F12，为的是抓住这个下载链接。
这个是浏览器的保存界面。
后续分析和之前两个例子一样，我这边就不写了。其实找到链接基本就完事了。如果不想按下F12，还能在底下的状态栏中点击全部显示，进入浏览器的下载内容界面。（我这边是谷歌。）
这样也有你要的链接。
结语
这个是上篇，未完待续。第一次写这么长的教程，之前我是看到四哥分享了一个他的下载教程（说实在的那个比较简易，但是调用Excel和直接让IDM翻页的原理是一样的，都是按照顺序生成。），想想我自己也折腾这些书这么久，干脆写一下个人的经验吧。真正复杂的还在后头，特别是有几个至今解决了一半但是没有完全解决的，比如说日本国立国会图书馆，以及上一篇的大藏经。等我有时间再研究一下吧。互联网上，是能看就能下。只要敢放出，就能拿到。实在不行，fiddler抓，再不行，直接内存抓包。但是，盗亦有道，声明中的内容，更像是君子协定，看诸君的经济基础吧。有问题留言或者直接联系站长。