专栏首页大白技术控的技术自留地从Slideshare.net 下载Slide的方法:

从Slideshare.net 下载Slide的方法:

从Slideshare.net 下载Slide的方法

    Slideshare.net上有很多不错的Slide都没有提供下载链接,平常倒也无所谓,都是收藏后直接在线观看的。

    这段时间对ZARA的商业模式很感兴趣,相关的文档较少,刚好在Slideshare上有几个关于ZARA不错的Slides,而且都没有提供下载,需要保存到本地以供好好研究,于是研究了一下从Slideshare下载Slide的方法。

1、在线视频站点的FLV文件下载方法

    对于像Youtube、优酷这样采用Flash技术的视频网站,要下载其FLV文件,有如下几种方法:

    1)、使用Firefox 的Video DownloadhelperSothink SWF Catcher 这样的插件下载

    2)、使用第三方的下载工具,诸如Orbit Grab++、维棠FLV视频下载软件、UUme FLV Spy、网络嗅探器(影音神探)等

    3)、使用一些专门提供解析流行的视频网站下载地址的服务,例如downflv.comflvcd.com

    以上方案都有其局限性,只适合或服务软件支持的一些网站,因此也很少使用。

    4)、使用Live HTTP Headers、Firebug、Wireshark、Sniffer、URL Snooper这样的抓包器抓包,获得FLV的实际下载地址,然后直接用下载工具下载

    5)、利用浏览器的临时文件夹。在通过浏览器观看视频、观看图片的时候,视频文件及图片等已经下载到浏览器的临时文件夹里了,因此可以到浏览器的临时文件夹中直接查找对应的视频即可。

      IE浏览器临时文件夹:工具->Internet选项->常规->Internet临时文件->设置->查看文件

      Firefox临时文件夹:about:cache->Disk cache device->List Cache Entries->CTRL+F查找

   以上两种方案基本上能够通吃所有的视频网站,只是相对麻烦一点。

2、Slideshare的SWF文件下载方法

    尽管Slideshare也是采用Flash技术来实现Slide展示,但与Youtube、Youku这样的视频网站不同的是,其每一个幻灯片都是独立的Flash的SWF文件,并不是FLV格式的Flash Video文件,而且近期似乎Slideshare对SWF的地址也进行了特殊处理,直接用方法4的抓包器进行抓包,并不能获得SWF文件实际的下载地址。

    例如,我要下载ZARA:Fast Fashion的SWF文件,可以有如下几种方法

    1)、清除Firefox的隐私数据,在浏览器浏览完所有的幻灯片,然后到浏览器的临时文件夹中查找对应的SWF文件。此种方案适合幻灯片较少的情况,如果幻灯片有上百页,考虑到slideshare上经常出现始终“Loading…”的情况,在线观看能否看完以及看完后查找都是一个大问题。

    2)、清除Firefox的隐私数据,访问要下载的幻灯片(只需要到初始页,不需要浏览所有的幻灯片),然后到浏览器的临时文件夹中查找对应的类似“SLIDE_NAME.xml”这样的xml文件的路径,其中SLIDE_NAME大致为幻灯片的名称,例如ZARA:Fast Fashion对应的为http://cdn.slideshare.net/zara2820.xml?1188219016 ,此xml文件实际上就是幻灯片对应的所有的SWF文件的下载地址,例如:

<Show Id="98359"> 
<Slide Src="https://s3.amazonaws.com:443/slideshare/zara2820-slide-1.swf"/> 
<Slide Src="https://s3.amazonaws.com:443/slideshare/zara2820-slide-2.swf"/> 
<Slide Src="https://s3.amazonaws.com:443/slideshare/zara2820-slide-3.swf"/> 
… 
<Slide Src="https://s3.amazonaws.com:443/slideshare/zara2820-slide-23.swf"/> 
<Slide Src="https://s3.amazonaws.com:443/slideshare/zara2820-slide-24.swf"/> 
</Show>

    然后用Orbit、迅雷这样的下载工具的批量下载功能直接下载这些文件到指定的文件夹。

   另外:

    其实在Slideshare没有改变SWF的处理方式前,像Slideshare DOWNLOADerGreasmonkey Script还是挺方便的。

    可以参考:

Download Slides from SlideShare.net – Firefox Add-on

Download from SlideShare – slideshare DOWNLOAD dot com

3、Slideshare的SWF文件转化为PDF幻灯片

    目前尚未找到好的工具能够直接把Slideshare的SWF文件直接转化为ppt或pdf的幻灯片文件,像Flash搅拌器这样的工具其实也很难用。

    目前采用如下的方法:

    1)、安装Acrobat Professional 8。

        注意是Acrobat Professional ,不是Acrobat Reader;以前的Acrobat版本也行,只不过Acroabt 8对于合并多个PDF文件较为方便。

    2)、Acrobat安装完成后,缺省在控制面板的“打印机和传真”中创建了“Adobe PDF”的虚拟打印机,设置“Adobe PDF”的属性:

    “Adobe PDF属性->打印首选项->布局->方向”:设置为横向     “Adobe PDF属性->打印首选项->Adobe PDF设置->Adobe PDF页面大小”:设置为Slide 7.5 x 10

    3)、将下载SWF文件直接拖到浏览器中,然后右键->打印->常规->选中Adobe PDF为打印设备->打印

    4)、使用Acrobat 8的合并文件功能,合并所有的pdf文件

    这样就得到了SWF文件对应的PDF格式的幻灯片。

Slideshare PPT下载shell脚本

    以前总结过在slideshare上下载文件的方法(参考:从Slideshare.net 下载Slide的方法) ,只不过以上下载操作都需要手工操作,极其不人性化。尤其是在将swf格式的文件转化为pdf格式时候,要手动对一个几十页的ppt执行以上操作不累死人才怪,因此方法归方法,我自己都不怎么使用。   

Slideshare Downloader是一个shell脚本,能自动下载slideshare上不提供下载功能的ppt并保存为pdf格式的文档。只不过在本机的Redhat Enterprise Server 5.3上试了一下,发现脚本有些问题。

    1、Slideshare Downloader用于解码swf文件的swfdec包在Redhat Enterprise Server上安装很麻烦,依赖一大堆包,捣腾了半天都未搞定,于是放弃掉使用swfdec。

        swfdec项目似乎从08年依赖就未更新过了,其官方wiki http://swfdec.freedesktop.org  也许久未维护了,登录进去全是灌水的广告帖子,刚开始还以为走错地方了。

swfdec的安装指南

swfdec的代码下载地址

   2、Slideshare Downloader直接用imagemagick的convert命令将多个png文件转化为一个pdf文件,测试了一下似乎不行。按照imagemagick 官方帮助的说明,多个png格式的文件不能直接使用convert命令合并成一个pdf文件     

    However, some formats, such as JPEG and PNG, do not support more than one image per file, and in that case ImageMagick is forced to write each image as a separate file.  imagemagick adjoin帮助

   3、Slideshare Downloader脚本应该是在Ubuntu等Debian系列的环境上测试的,在Redhat 下一些命令的语法似乎有问题

      在处理BASH_REMATCH 时候, RedHat 要加“”

    if [[ "$DOCID" =~ "([a-z0-9-]+)$"  ]]
    then
        DOCID=${BASH_REMATCH[0]}
    else
        echo $DOCID
        exit 1
    fi

       在Redhat下sort命令无-V参数

     基于以上几个原因,为方便自己使用,对Slideshare Downloader脚本进行了调整,测试了几个文档,应该还行。需要安装swftoolspdftkimagemagick

    大致的方法:

    1、使用wget -q –O 获得指定url地址文档的所有swf文件的实际地址并下载

    2、使用swftools的swfrender命令将swf文件转为png格式的文件

    3、使用imagemagick的convert  +adjoin 将png格式的每个文件都转化为对应的单个pdf文件。

    4、使用pdftk将多个pdf文件合并成一个pdf文件

     在合并多个pdf文件为一个pdf文件时候,由于需要按照页面顺序合并,因此使用了sort -k1.3

      PDFS=`ls *.pdf | sort -k1.3 `

   调整过的代码(只在Redhat 上做了测试,且对代码未做优化):

#!/bin/bash

# Author: Andrea Lazzarotto 
# http://andrealazzarotto.com 
# andrea.lazzarotto@gmail.com 
# Slideshare Downloader

# This script takes a slideshare presentation URL as an argument and 
# carves all the slides in flash format, then they are converted to 
# and finally merged as a PDF 
# License:

# Copyright 2010-2011 Andrea Lazzarotto 
# This script is licensed under the Gnu General Public License v3.0. 
# You can obtain a copy of this license here: http://www.gnu.org/licenses/gpl.html
# Usage:

# slideshare-downloader.sh URL [SIZE] 
#———————————————–

# Modify 7/08/2011 by giudinvx 
# Email  giudinvx[at]gmail[dot]com 
#———————————————– 
validate_input() { 
    # Performs a very basic check to see if the url is in the correct form 
    URL=`echo "$1" | cut -d "#" -f 1 | cut -d "/" -f 1-5` 
    DOMAIN=`echo "$URL" | cut -d "/" -f 3` 
    CORRECT=’www.slideshare.net’ 
    if [[ "$DOMAIN" != "$CORRECT" ]]; 
        then 
            echo "Provided URL is not valid." 
            exit 1 
    fi 
    if echo -n "$2" | grep "^[0-9]*$">/dev/null 
        then SIZE=$2 
        else 
            SIZE=2000 
            echo "Size not defined or invalid… defaulting to 2000." 
    fi 
} 
check_dependencies() {

    # Verifies if all binaries are present 
    DEP="wget sed seq  convert" 
    ERROR="0" 
    for i in $DEP; do 
        WHICH="`which $i`" 
        if [[ "x$WHICH" == "x" ]]; 
            then 
                echo "Error: $i not found." 
                ERROR="1" 
        fi 
    done 
    if [ "$ERROR" -eq "1" ]; 
        then 
            echo "You need to install some packages." 
            echo "Remember: this script requires Imagemagick and Swfdec." 
            exit 1 
    fi 
} 
build_params() {

    # Gathers required information 
    DOCSHORT=`echo "$1" | cut -d "/" -f 5` 
    echo "Download of $DOCSHORT started." 
    echo "Fetching information…" 
    INFOPAGE=`wget -q -O – "$1"` 
    DOCID=`echo "$INFOPAGE" | grep "doc=" | cut -d "=" -f 3 | cut -d "&" -f 1` 
    if [[ "$DOCID" =~ "([a-z0-9-]+)$" ]] 
    then 
        DOCID=${BASH_REMATCH[0]} 
    else 
        echo $DOCID 
        exit 1 
    fi 
    SLIDES=`echo "$INFOPAGE" | grep "totalSlides" | head -n 1 | sed -s "s/.*totalSlides//g" | cut -d ":" -f 2 | cut -d "," -f 1` 
    echo "Slides: $SLIDES" 
    echo "Size: $SIZE" 
} 
create_env() {

    # Finds a suitable name for the destination directory and creates it 
    DIR=$DOCSHORT 
    if [ -e "$DIR" ]; 
        then 
            I="-1" 
            OLD=$DIR 
            while [ -e "$DIR" ] 
            do 
                I=$(( $I + 1 )) 
                DIR="$OLD.$I" 
            done 
    fi 
    mkdir "$DIR" 
} 
fetch_slides() {

    for i in $( seq 1 $SLIDES ); do 
        echo "Downloading slide $i" 
        wget "http://cdn.slidesharecdn.com/`echo $DOCID`-slide-`echo $i`.swf" -q -O "$DIR/slide-`echo $i`.swf" 
    done 
    echo "All slides downloaded." 
} 
convert_slides() {

    for i in $( seq 1 $SLIDES ); do 
        echo "Converting slide $i" 
#        swfdec-thumbnailer -s $SIZE $DIR/slide-$i.swf $DIR/slide-$i.png 2>/dev/null 
        swfrender $DIR/slide-$i.swf -o $DIR/$i.png 2>/dev/null 
    done

    echo "All slides converted." 
} 
build_pdf() {

    cd $DIR 
    IMAGES=`ls *.png | sort -k1.3 ` 
    echo "Generating PDF…" 
    convert $IMAGES +adjoin %d.pdf 
    PDFS=`ls *.pdf | sort -k1.3 ` 
    pdftk $PDFS cat output $DOCSHORT.pdf 
    cd .. 
    echo "The PDF has been generated." 
    echo "Find your presentation in: \"`pwd`/$DIR/$DOCSHORT.pdf\"" 
} 
clean() {

    rm -rf $DIR/*.swf 
    rm -rf $DIR/*.png 
} 
validate_input $1 $2

check_dependencies 
build_params $URL 
create_env 
fetch_slides 
convert_slides 
build_pdf 
clean 

脚本下载请猛击

    同样的程序逻辑其实可以适用于百度文库、豆丁这样的在线文库。像百度文库、豆丁之类的在线文库许多资料需要积分下载,但可免费在线浏览,这些文库都使用Flash作为播放器,这就为免积分下载器提供了条件。当然在windows上有冰点文库下载器易读文库下载器这样的图形化工具可用。只不过原理应该也是类似的,看一下冰点文库下载器目录下的SWFToImage.DLL、pdflib.dll两个动态库大致可以知道。

    其实谁有兴趣和精力可以将此类下载功能做成一个单独的在线服务,由此还可以延伸出其他产品功能来,应该还是挺有市场的。

相关链接:http://www.yeeach.com/?p=470

http://www.yeeach.com/?p=1160

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • 数据结构与算法中C++常用语法

    注:任何人对本文进行引用都要标明作者是Mark Allen Weiss (维斯)  译者: 张怀勇

    Enjoy233
  • C#版[击败99.69%的提交] - Leetcode 242. 有效的同构异形词 - 题解

    在线提交: https://leetcode.com/problems/valid-anagram/

    Enjoy233
  • C#版 - Leetcode 633. 平方数之和 - 题解

    在线提交: https://leetcode.com/problems/sum-of-square-numbers/

    Enjoy233
  • 电信网络拓扑图自动布局之总线

    在前面《电信网络拓扑图自动布局》一文中,我们大体介绍了 HT for Web 电信网络拓扑图自动布局的相关知识,但是都没有深入地描述各种自动布局的用法,我们今天...

    HT for Web
  • 电信网络拓扑图自动布局之总线

    HT_hightopo
  • 最近学到的Git知识,大厂的Git机制还是很方便的

    •这里由于提交自己的代码第一次提交到A分支,第二次提交B分支,然后报错了,这里报错以后,会提示一个百度自己内部的链接,你点击链接就可以照着提示去修改,可以说还是...

    乔戈里
  • 最近学到的Git知识,大厂的Git机制还是很方便的

    •这里由于提交自己的代码第一次提交到A分支,第二次提交B分支,然后报错了,这里报错以后,会提示一个百度自己内部的链接,你点击链接就可以照着提示去修改,可以说还是...

    用户2769421
  • Git示例教程 - 撤销上次提交

    如果我们想撤销上次提交,并且丢弃上次提交修改的内容,可以用另外一条reset命令,这个就不在这里演示了,有兴趣的同学可以自己试下。

    wangyuntao
  • 最近学到的Git知识,大厂的Git机制还是很方便的

    •这里由于提交自己的代码第一次提交到A分支,第二次提交B分支,然后报错了,这里报错以后,会提示一个百度自己内部的链接,你点击链接就可以照着提示去修改,可以说还是...

    Java技术江湖
  • 利用phpqrcode制作二维码API服务

    刺_猬

扫码关注云+社区

领取腾讯云代金券