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 Downloadhelper、Sothink 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.com、flvcd.com等
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：
代码语言：javascript复制<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 DOWNLOADer、Greasmonkey 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“”
代码语言：javascript复制 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swftools、pdftk、imagemagick 包
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）：
代码语言：javascript复制#!/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
