cmy2008/doc88_extractor: 道客巴巴文档无损提取工具（非截图） A tool to extract and convert doc88 documents (non-screenshot).

简介 / Introduction

一个可以完整提取道客巴巴预览文档（非截图）的工具。 A tool to extract and convert doc88 documents (non-screenshot).

特点 / Features

• 利用 JPEXS Free Flash Decompiler (以下简称 ffdec) 工具，几乎完美转换文档，保留原始文本、形状与图片。

• 适用文档范围：几乎所有

安装 / Installation

Python

• 需要 Python 3.10 或更高版本。

安装依赖：

pip3 install retrying requests curl_cffi xmltodict

Java

• 需要安装 Java 才能进行文档转换（推荐 Java 17）:

PDF 合并 / PDF merging

• 程序将自动下载 presse 以实现 PDF 文件的合并和大小优化。可尝试从 cmy2008/presse 编译。

• 原项目：

• 支持平台 / support platform:

SVG 转换 / SVG Converting

• 若启用 swf2svg，程序将自动下载 swf2svg 以实现 SVG 到 PDF 的转换。若安装失败，可尝试从 typst/svg2pdf 编译。

• 支持平台 / support platform:

如何使用 / How to Use

在程序目录下运行：

python3 main.py

• 控制台输入以下任意一种内容并回车：

1. doc88 链接 / Doc88 URL
2. 文档 ID(链接中 p- 后面的数字) / Document ID (the number after p- in URL)
3. 含有 ebt 文件的文件夹路径(需要原始文件名) / Folder path containing ebt files (raw filenames required)
4. m_main 数据(base64 变种格式) / m_main data

• 获取 m_main 数据的方法： / How to get the m_main data:

1. 打开 开发者工具，转到 控制台 选项卡 / Open DevTools and switch to the Console tab.
2. 手动输入允许粘贴并回车，启用粘贴功能 / Type allow pasting manually then enter. This will allow you to paste code.
3. 执行以下代码，即可一键复制 m_main 数据 / Run the code below to copy the m_main data in a single click.

(match = document.documentElement.outerHTML.match(/m_main\.init\("([^"]*)"\);/)) ? (copy(match[1]), console.log('Success.')) : console.log('Not found.')

• 首次运行会生成配置文件，检测更新并下载 ffdec 和 presse（用于 PDF 合并）。

配置 / Configuration

说明 / Description

| 键名 / Key | 说明 | Description | | ---------------------- | ----------------------------------------------------------------- | ----------------------------------------------------------------------------- | | proxy_url | Github 代理服务的 URL | The URL of Github's proxy service. | | check_update | 是否在启动时检查更新 | Always check updates on startup. | | swf2svg | 是否先转换到 SVG 再转到 PDF | Convert swf files to svg first. | | svgfontface | （仅 swf2pdf 为 false 时有效）在 SVG 转换中是否转换字体来呈现文本 | Only works when swf2pdf is false; using font to show texts in SVG converting. | | clean | 是否保留中间文件 | Keep intermediate files. | | get_more | 是否始终通过扫描获取页面 | Always via scanning to get pages. | | path_replace | 是否在 Windows 下替换过长路径 | Replace long paths on Windows. | | download_workers | 下载文件的线程数 | Number of threads for downloading files. | | convert_workers | 转换文件的线程数 | Number of threads for converting files. | | pdf_scale | 转换为 PDF 的缩放大小 | Scale of PDF converting. |

注意事项 / Attention

• 使用proxy_url选项，可解决国内无法正常下载文件的问题，内容应为 Github 的加速代理服务的 URL 前缀（一般以 https://aaa.bbb.ccc/ 为标准格式，注意不要漏最后的/）
• 使用 pdf_scale 选项，例如修改为 0.5（建议不要小于这个值，第三方软件可能无法自动处理过小的缩放），可以减小文档文件大小并加快转换速度，但是转换出来的文档也会相应缩小
• 使用 swf2svg 选项，也许会解决部分文档的字体问题或形状问题
• 使用 swf2svg 选项，而不使用 svgfontface 选项，由于省去了文本转换过程，可以大大加快转换速度
• 若启用 svgfontface 选项，由于 typst/svg2pdf 的缺陷，将无法转换字体，会自动替换为默认字体
• 若启用 svgfontface 选项，由于 ffdec 的缺陷，某些形状或文本会出现转换错误