当前位置：首页>下载方法>推荐!一款国家标准下载工具

一、工具是什么

（一）基本定位

1. 这是一套从国家标准全文公开系统检索并下载国家标准 PDF 的工具，系统地址是 openstd.samr.gov.cn。

一是它把“检索、确认、下载”整条流程封装起来，减少手工查找和反复点击。

二是它底层依赖 scripts/std_downloader.py，检索解析用 requests 和 BeautifulSoup，真实下载用 Playwright 浏览器。

三是它配套 scripts/main.py 交互式命令行入口，适合直接拿来用，也适合集成到自己的流程里。

2. 它的核心能力是：用户给出标准名称或标准编号，工具去系统里检索，列出候选结果，确认有全文后，再下载成 PDF。

一是支持标准名称，比如“固体矿产绿色勘查规范”。

二是支持标准编号，比如“GB/T 5183-2025”。

三是输出目录默认是 ./standards，文件名默认按标准编号生成，如 <编号>.pdf。

（二）适用场景与触发条件

1. 用户提出下载国标、下载标准、国标下载、openstd 下载、标准全文、GB/T 下载、标准 PDF 等需求时，适合使用本工具。

一是用户给的是标准名称。

二是用户给的是标准编号。

三是用户明确希望拿到可下载的 PDF 文件。

2. 前置判定必须提前做。

一是仅“现行且系统提供全文”的标准可下载。

二是页面有“下载标准”或“在线预览”按钮，才有机会拿到全文。

三是采标类（ISO 采标）、已废止、未公开全文的标准，没有全文，无法下载，应明确告知用户并引导换一条。

（三）输出与资源构成

1. 输出物是 PDF 文件，默认保存在可写路径下的 ./standards 目录。

一是保存路径可用 default_save_path(std_code, out_dir) 生成。

二是下载完成后要回显标准编号、名称、保存路径、文件大小。

三是文件大小小于 50 KB 时，要警告可能不是有效标准 PDF，疑似被人机验证拦截，需要人工核对。

2. 配套资源要清楚。

一是 scripts/std_downloader.py 是核心模块，包含 search、get_meta、download、default_save_path、_find_chromium_exe。

二是 scripts/main.py 是交互式 CLI，运行方式为 python main.py [关键词]。

三是 scripts/requirements.txt 是依赖清单，references/sop.md 记录端点、反爬机制、验证证据与模块 API 详述。

二、怎么用

（一）准备环境

1. 首次使用先建环境。

一是 Python 版本不低于 3.10，建议用 venv。

二是安装依赖：pip install -r scripts/requirements.txt。依赖包括 requests、beautifulsoup4、lxml、ddddocr、playwright、Pillow。

三是安装浏览器：python -m playwright install chromium。

2. 网络和目录也要准备好。

一是网络直连即可，不需要代理。

二是输出目录必须可写。

三是若 launch 报 executable 缺失，不要慌，模块已自动绕过，详见注意事项。

（二）检索标准

1. 调用 search(keyword, std_type, std_status, page, page_size)。

一是 keyword 传用户给的标准名称或标准编号。

二是 std_status 默认用字符串 "PUBLISHED"，表示现行。

三是返回 items、total、page、total_page。

四是 items 每项包含 hcno、std_code、name_cn、status。

2. 检索结果处理要直接。

一是命中 0 条时，提示用户更换关键词，或放宽状态过滤。

二是不要硬下，先确认结果里有没有目标标准。

三是 hcno 是后续校验和下载的关键内部 id，必须拿到。

（三）列出结果并请用户确认

1. 交互式场景直接用 scripts/main.py。

一是运行 python main.py [关键词]。

二是它已内置“检索、列表、选择、下载、回显路径”全流程。

三是用户只需按提示选择目标标准。

2. 手动流程也要会。

一是把结果编号列出，至少包含标准号、名称、状态、hcno。

三是让用户选定某一条，再进入下一步。

（四）校验全文可用性

1. 对选定 hcno 调用 get_meta(hcno)。

一是读取 has_fulltext，判断是否有全文。

二是读取 allow_download，判断是否允许下载。

三是读取 allow_preview，判断是否允许在线预览。

2. 无全文时不要继续下载。

一是明确告知用户该标准不可下载。

二是回到结果列表换一条。

三是只有页面提供“下载标准”或“在线预览”按钮的标准，才有机会拿到 PDF。

（五）下载 PDF

1. 调用 download(hcno, save_path, method="auto", headless=True)。

一是 save_path 用 default_save_path(std_code, out_dir) 生成 <编号>.pdf。

二是 method 用 auto，优先走 Playwright 浏览器，失败再回退 HTTP 拼图。

三是浏览器内部逻辑是：打开详情页，优先点击 .xz_btn，没有就点 .ck_btn，然后捕获弹出的新标签页里的下载，保存到指定路径。

2. 下载失败要会处理。

一是多因人机验证码拦截。

二是建议改用 headless=False 手动过码。

三是检查网络是否正常。

（六）回显结果

1. 下载完成后打印四项信息。

一是标准编号。

二是标准名称。

三是保存路径。

四是文件大小。

2. 文件大小异常要提醒。

一是小于 50 KB 时警告可能非有效标准 PDF。

二是疑似验证拦截，请人工核对。

三是不要直接把异常文件当成成功结果交付。

三、注意事项

（一）状态与解析

1. 状态参数必须传字符串。

一是 p.p5="PUBLISHED"。

二是绝不能传整数 1，传 1 会被静默忽略，混入废止标准。

三是状态过滤错了，后面全错。

2. hcno 提取要用正则。

一是从结果行整体匹配 showInfo'([0-9A-Fa-f]{32})'。

二是不要假定它在某固定列。

三是拿到 32 位十六进制 id 后再进行后续操作。

（二）下载监听与反爬

1. 下载发生在弹出新标签页。

一是必须用上下文级 ctx.on("download") 监听器捕获。

二是页面级 page.on("download") 收不到。

三是这是下不下来的头号原因，必须记住。

2. 纯 requests 会被反爬。

一是直接请求 /viewGb、/viewGbImg 返回 0 字节。

二是必须走 Playwright 浏览器。

三是 HTTP 拼图方式仅作兜底。

3. c.gb688.cn 必须走 HTTP。

一是该站 HTTPS 证书主机名不匹配。

二是强制 HTTP 才能正常。

三是不要在这里硬套 HTTPS。

（三）浏览器与环境

1. Chromium 版本锁定要绕过。

一是 playwright 期望的浏览器 build 可能与本机不一致。

二是 launch 可能报 executable 缺失。

三是模块已用 _find_chromium_exe() 自动扫描 ms-playwright/chromium-*/chrome-win64/chrome.exe，并以 executable_path 传入绕过，不要硬改版本号。

2. 下载失败可换模式。

一是改用 headless=False 手动过码。

二是检查网络。

三是确认浏览器依赖已安装。

（四）文件与编号

1. 仅现行且有全文可下载。

一是采标、废止、未公开者无按钮。

二是应提前识别并告知用户。

三是不要在没有全文的标准上浪费时间。

2. 标准编号含空格不要截断。

一是如 GB/T 5183-2025。

二是解析与文件名净化时勿截断。

三是编号源优先取自详情页 table.mk1 的 h1。

（五）资源与依据

1. 核心模块要熟悉。

一是 scripts/std_downloader.py：search / get_meta / download / default_save_path / _find_chromium_exe。

二是 scripts/main.py：交互式 CLI。

三是 scripts/requirements.txt：依赖清单。

四是 references/sop.md：端点、反爬机制、验证证据与模块 API 详述。

2. 按流程走，能下什么、不能下什么、卡在哪一步，都会很清楚。

一是先检索，再确认，再校验，最后下载。

二是状态、hcno、下载监听、反爬、浏览器版本、文件大小、编号截断这些坑要避开。

三是把回显和异常核对做扎实，交付的 PDF 才可靠。

本文来自网友投稿或网络内容，如有侵犯您的权益请联系我们删除，联系邮箱：wyl860211@qq.com 。

推荐!一款国家标准下载工具