新闻详情

新闻详情

首页 / 资讯中心 / 详情

tchMaterial-parser 电子教材解析器教程:3步批量保存智慧教育平台PDF课本

发布时间:2026/11/10 19:22:41来源:尧图网络
tchMaterial-parser 电子教材解析器教程:3步批量保存智慧教育平台PDF课本
tchMaterial-parser 电子教材解析器教程3步批量保存智慧教育平台PDF课本【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想把国家中小学智慧教育平台basic.smartedu.cn上的电子课本存到本地官网只允许在浏览器里逐页浏览PDF 文件地址藏在接口参数后面手动获取很麻烦。tchMaterial-parser 是一款免费的电子教材下载解析器把电子课本预览页链接粘贴进这个图形界面工具它会自动解析出 PDF 真实地址并下载到本地文件直接以教材名称命名。教师备课、学生自学、家长收集教材都能用。工具基于 Python 开发支持 Windows、macOS 和 Linux需图形化环境提供两个核心动作下载负责直接把 PDF 存到本地解析并复制只把 PDF 链接拷进剪贴板方便交给其他下载软件处理。完成操作后你会得到按教材名称命名、存放在指定文件夹里的电子课本 PDF 文件。从官网拿到有效预览页链接先打开智慧教育平台官网搜索目标教材进入它的电子课本预览页再从浏览器地址栏复制完整链接。一个有效的链接长这样https://basic.smartedu.cn/tchMaterial/detail?contentTypeassets_documentcontentIdb8e9a3fe-dae7-49c0-86cb-d146f883fd8ecatalogTypetchMaterialsubCatalogtchMaterial判断标准很简单域名为 basic.smartedu.cn路径是 /tchMaterial/detail参数里带有 contentId。之所以强调完整链接是因为程序要从中提取 contentId 去请求资源详情参数缺失就会解析失败。准备运行环境克隆仓库、安装依赖、启动程序三步完成需要 Python 3git clone https://gitcode.com/GitHub_Trending/tc/tchMaterial-parser pip install requests pyperclip psutil python src/tchMaterial-parser.pywWindows 用户如果嫌命令行麻烦也可以直接双击 src/tchMaterial-parser.pyw 启动。粘贴链接并试解析启动后界面分三块上方文本框输入链接中间是下载和解析并复制按钮下方是教材类型、学段、学科、版本和书名的下拉框。把预览页链接粘贴进文本框。要处理多本教材每个网址占一行。核对下拉框参数与教材是否一致。不确定链接是否有效时先点解析并复制工具会解析出每条链接对应的 PDF 地址并复制到剪贴板你可以粘贴到浏览器里验证一遍。这样试一遍再正式下载能避免白等一次传输。选择文件夹并下载 PDF确认无误后点击下载按钮 在弹窗中选定保存路径。命名规则如下单个文件可以指定保存位置和文件名。多个文件自动以教材名称命名统一存入所选文件夹。窗口底部进度条会实时显示下载进度结束后到文件夹里核对 PDF 数量与链接条数一致 ✅批量保存与目录整理链接较多时建议按学科分批处理同一学科的链接换行排好一次性输入多个学科分几轮执行结果就能和各学科的目录一一对应。下载前先建好目录层级把对应子文件夹选为保存路径。推荐结构智慧教育平台电子教材/ └─ 2024-2025 学年/ └─ 高中一年级/ ├─ 语文统编版必修上册/ └─ 数学人教A版必修第一册/出问题先看这张表现象第一步排查下载失败或中断确认网络正常、链接能在浏览器打开再重新点下载解析不到 PDF 地址核对是否为完整预览页网址且包含 contentId 参数重新复制粘贴下载速度慢改用解析并复制取 PDF 链接交给专业下载工具别同时跑多个大任务高分屏界面模糊工具已适配高 DPI仍模糊时调整系统显示缩放更多使用说明可查阅项目的 README.md想核对或调整解析逻辑可查看核心源码 src/tchMaterial-parser.pyw。【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 2026/11/10 4:49:37

【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 2026/11/9 8:37:19

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 2026/11/10 9:14:31

【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 ... 2026/11/10 1:10:29

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 2026/11/10 15:15:31

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 2026/11/10 17:14:10

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
📞 ✉