自动处理资源遇到的坑

第一阶段目标：

自动下载目标网站的符合条件的所有资源
自动删除资源里的广告并打包压缩，丢弃只有广告的资源
记录资源相关信息：来源网址、网页标题、处理后的压缩包名称、处理后的压缩包大小、资源格式、上传者、无格式文本内容
自动上传资源压缩包

遇到的坑：

• 压缩包，注释带广告。需要解压，并重新压缩，添加自己的广告注释
• 含网页快捷方式。需要删除原有快捷方式，并添加自己的网页快捷方式
• doc文档末尾有二维码图片。需要替换成自己的二维码图片
• mp3标签信息含广告。需要替换成自己的广告
• ppt文档插入了文字广告，并且标签信息含广告。需要删除广告页面，并且替换标签信息
• wmv标签信息含广告。需要删除广告信息
• mp4/wma标签信息含广告。需要删除广告信息
• 部分压缩包是空包，只放了一两张广告图片。需要过滤掉这类资源
• 部分压缩包是空包，只放了一份广告文档。需要过滤掉这类资源
• 部分资源页面已经过期，自动跳转到其他页面。需要检测出异常链接，并记录下来，方便核实
• 部分资源包含.ini和.db文件。需要过滤掉这类文件
• 有的文件写的docx格式，其实需要改成doc格式；
• doc需要转docx，ppt需要转pptx才能处理；
• PPT中有广告图片，目前发现有两种广告图片。需要根据图片大小替换图片
• 替换广告图片后的PPT，有的无法直接打开，需要修复。直接打包
• 有的资源已经损坏，无法打开。直接丢弃
• 有的内容无法插入数据库，需要提取出中英文数字
• 有的资源路径太长，代码报错找不到文件路径。需要先缩短文件夹名和文件名

小程序：

资源整理后，弄个小程序，方便公开下载资源。
小程序码：