文库搜索⚓︎

百度文库搜索，获取文档更加便捷

BaiduSpider.search_wenku(
    self: BaiduSpider,
    query: str,
    pn: int = 1,
    scope: str = "all",
    format: str = "all",
    time: str = "all",
    page_range: Union[Tuple[int], str] = "all",
    sort_by: str = "relation",
    proxies: Union[dict, None] = None,
) -> WenkuResult:

参数⚓︎

query str: 要查询文库搜索的字符串
pn int: 要爬取的页码，默认为1，可选
scope str: 搜索结果筛选范围，默认为"all"，可选
format str: 搜索结果格式筛选方式，默认为"all"，可选
time str: 搜索结果时间筛选方式，默认为"all"，可选
page_range Union[Tuple[int], str]，搜索结果页码范围，默认为"all，可选
sort_by str: 搜索结果排序方式，默认为"relation"，可选
proxies Union[dict, None]: 代理配置，默认为None，可选

实例⚓︎

基本的调用⚓︎

from baiduspider import BaiduSpider
from pprint import pprint

spider = BaiduSpider()

pprint(spider.search_wenku(query="要搜索的关键词").plain)

指定页码⚓︎

from baiduspider import BaiduSpider
from pprint import pprint

pprint(BaiduSpider().search_wenku("要搜索的关键词", pn=2).plain)

筛选文档来源⚓︎

这四个参数可以让你搜到所需要的来源。下面我们来一一介绍它们的用法与含义。

当然，除了单一地使用，你也可以组合这些筛选一起使用。

按范围筛选⚓︎

正如百度文库搜索本身所提供的一样，BaiduSpider也提供这项筛选。它的选项分别为"all"（显示全部，即不筛选，默认）、"vip-only"（VIP专享）、"vip-free"（VIP免费）、"free"（免费）和"high-quality"（精品）。参数scope负责这项功能。

值得一提的是，当使用"free"作为筛选的时候，需要额外提供 Cookie。

from baiduspider import BaiduSpider
from pprint import pprint

pprint(BaiduSpider().search_wenku("要搜索的关键词", scope="vip-only").plain)  # 仅显示VIP专享的文档

按格式筛选⚓︎

目前 BaiduSpider 支持六种格式可供筛选，分别为["all", "doc", "ppt", "txt", "pdf", "xls"]。其中，"all"的含义为不筛选格式（默认），其余含义如字面。

你可以通过设置format参数来改变筛选。

from baiduspider import BaiduSpider
from pprint import pprint

pprint(BaiduSpider().search_wenku("要搜索的关键词", format="ppt").plain)  # 仅显示PPT格式的文档

按时间筛选⚓︎

使用time筛选参数，你可以进行以年为单位的时间筛选。选项分别为"all"（不筛选，默认）、"this-year"（今年）、"last-year"（去年）和"previous-years"（前年及以前）。

from baiduspider import BaiduSpider
from pprint import pprint

pprint(BaiduSpider().search_wenku("要搜索的关键词", time="last-year").plain)  # 仅显示去年发布的文档

按页数筛选⚓︎

你可以使用page_range参数来通过页数筛选文档。page_range的可选值为["all", Tuple[start: int, end: int]]。其中，"all"的含义为不通过页数进行筛选（默认）。另一个元组选项则是筛选区间。

例如，我们可以使用元组(1, 10)表示仅筛选页数为1 ~ 10页的文档。元组的第一个参数是区间开始页码，第二个参数则是区间结束的页码。

from baiduspider import BaiduSpider
from pprint import pprint

pprint(BaiduSpider().search_wenku("要搜索的关键词", page_range=(5, 19)).plain)  # 仅显示页数为5页到19页的文档

搜索结果排序方式⚓︎

对于文库搜索，BaiduSpider 提供四种不同的排序方式，分别为：按相关性、按时间、按下载量和按评分。你可以通过更改sort_by参数的值来修改排序方式。

sort_by参数接受四种字符串的值：["relation", "time", "downloads", "score"]。其含义分别如上述。

from baiduspider import BaiduSpider
from pprint import pprint

pprint(BaiduSpider().search_wenku("要搜索的关键词", sort_by="downloads").plain)  # 按下载量排序