新闻详情

新闻详情

首页 / 资讯中心 / 详情

tchMaterial-parser:把国家中小学智慧教育平台的课本预览链接变成可下载的 PDF

发布时间:2026/11/5 8:31:23来源:尧图网络
tchMaterial-parser:把国家中小学智慧教育平台的课本预览链接变成可下载的 PDF
tchMaterial-parser把国家中小学智慧教育平台的课本预览链接变成可下载的 PDF【免费下载链接】tchMaterial-parser国家中小学智慧教育平台 电子课本下载工具帮助您从智慧教育平台中获取电子课本的 PDF 文件网址并进行下载让您更方便地获取课本内容。项目地址: https://gitcode.com/GitHub_Trending/tc/tchMaterial-parsertchMaterial-parser 是一个免费开源的智慧教育平台解析工具把电子课本预览页网址粘进去它就能找到对应的 PDF 直链并完成下载支持一次处理多本教材也可以只复制直链不下载。项目速览tchMaterial-parser 是一个用 Python 写的小工具给想把电子课本存到本地的人用。平台上的教材页面只支持在线翻页没有下载按钮这个工具的做法是读取网址里的 contentId 参数向平台的资源接口要详细信息从返回的数据里定位 PDF 的真实存储地址再把它下载下来。文件名直接取自教材标题下完不用手动改名。程序支持 Windows、Linux、macOS需要图形化环境Windows 下做了高 DPI 适配高分屏上界面不会糊。从零跑起来安装与启动准备一个带图形界面的 Python 3 环境装上 requests、pyperclip、psutil 三个库然后启动主程序即可pip install requests pyperclip psutil git clone https://gitcode.com/GitHub_Trending/tc/tchMaterial-parser cd tchMaterial-parser python src/tchMaterial-parser.pyw首次启动时程序会向平台服务器拉取教材目录并填进界面上的下拉菜单。这一步失败不影响使用手动粘贴链接照常能解析重新打开程序即可。完整使用流程整个过程就是一条链拿到链接 → 解析 → 下载或复制直链。拿到预览页链接链接有两个来源。手动方式在平台打开教材详情页浏览器地址栏里那个带 contentId、contentType 参数的网址就是工具要的输入。省事方式启动后用界面下方一排下拉菜单按电子教材、学段、学科、版本、册次一路选到具体教材选到最后一级程序会自动把完整预览网址拼进上方输入框不用自己去找 URL。粘贴链接并解析链接放进文本框每条一行。之后二选一点下载先选保存文件夹程序逐条解析并把 PDF 存进去文件名取教材名如普通高中教科书·语文必修 上册.pdf。若该教材挂了配套音频mp3 也会一并下到同名文件夹里。点解析并复制只解析把 PDF 直链拷到剪贴板适合交给 IDM 这类下载工具去存。下载在后台线程执行窗口底部的进度条和状态标签实时显示已下载体积与完成数量日志区逐条记录每个链接的成败。实际使用场景与进阶技巧一个学期教材一次备齐把各科教材的预览链接收集起来批量粘贴整套课本按教材名落盘再按学科分到资源文件夹之后找文件直接搜书名。平板、阅读器上的离线阅读PDF 下完拷进平板或电子阅读器教室、地铁这些信号不稳的地方也能翻书。只取直链、不落盘本机已有其他下载工具时用解析并复制拿直链即可少占一次磁盘。进阶技巧输入框就是批量入口一条链接一行十几本教材可以一次提交日志里逐条对结果。教材列表每次启动都从平台刷新下拉选到教材自动出链接比自己翻平台快也避免了手抄 URL 出错。注意区分资源类型普通电子课本只出 PDF教材资源类链接还会带上音频下载时留意文件夹结构。常见问题排查提示解析失败请检查URL是否正确确认粘的是完整预览页网址、包含 contentId 参数且在浏览器里能正常打开网络抖动时重新解析一次。启动时警告获取资源列表失败下拉菜单是空的启动时拉目录没成功重新打开程序或直接手动粘贴预览链接功能不受影响。高分屏上界面显示异常到系统显示设置里调缩放级别。Windows 下程序已做高 DPI 适配一般不需要动代码。批量下载里有几条失败日志区结尾会列出失败的链接把这几条单独重贴下载即可已完成的文件不受影响。项目信息仓库tchMaterial-parser托管在 gitcode地址见上文安装部分的 clone 命令。开源协议MIT。反馈渠道README 中说明可直接向仓库提交 Issue 或 Pull Request报 bug、提建议都行。工具本身只有一个窗口会粘链接就会用。可以先拿一本手头正在用的教材试试下载确认文件名和排版都符合预期再把一学期的教材慢慢备齐。如果你习惯用其他下载工具解析并复制是更顺手的入口先复制直链感受一下再决定要不要让它直接下。【免费下载链接】tchMaterial-parser国家中小学智慧教育平台 电子课本下载工具帮助您从智慧教育平台中获取电子课本的 PDF 文件网址并进行下载让您更方便地获取课本内容。项目地址: https://gitcode.com/GitHub_Trending/tc/tchMaterial-parser创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/4 15:56:54

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/4 22:55:41

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/4 17:01:23

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/4 12:33:12

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/5 4:24:57

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/5 4:24:57

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉