`edx-dl` 使用与安装指南
一、安装指南
edx-dl 是一个简单的工具,用于从基于 Open edX 的网站下载视频和讲义材料。它需要一个 Python 解释器(版本 >= 2.7)和很少的其他依赖项。它是跨平台的,可以在 Unix(Linux、BSDs 等)、Windows 或 Mac OS X 上正常工作。
如果您还没有安装 Python 解释器,我们强烈建议您安装 Python >= 3.6,因为通常情况下它表现更好。
推荐安装
要安装 edx-dl,请运行以下命令:
pip install edx-dl
手动安装
要安装所有依赖项,请执行以下命令:
pip install -r requirements.txt
安装 youtube-dl
edx-dl 最重要的依赖之一是 youtube-dl。上述安装步骤已经为您拉取了 youtube-dl 的最新版本。
由于许多 Open edX 网站将视频存储在 YouTube 上,而 YouTube 会不时更改其布局,因此可能需要升级您的 youtube-dl 副本。最简单的方法是使用以下命令:
pip install --upgrade youtube-dl
二、项目使用说明
在安装完所有内容之后,要使用 edx-dl.py,让它发现您已报名的课程,请执行以下命令:
edx-dl -u user@user.com --list-courses
然后,选择您感兴趣的课程,复制其 URL 并在以下命令中使用:
edx-dl -u user@user.com COURSE_URL
将 COURSE_URL 替换为您在第一步复制的 URL。它应该看起来像这样:
https://courses.edx.org/courses/edX/DemoX.1/2014/info
下载的视频将被放置在当前目录下名为 Downloaded 的新目录中,但您也可以使用 -o 参数选择其他目的地。
要查看所有可用选项及其简要说明,只需执行:
edx-dl --help
重要提示: 如果要使用除 <edx.org> 以外的网站,您必须指定网站以及 -x 选项。例如,如果要获取斯坦福大学的课程,可以使用 -x stanford。
三、项目API使用文档
项目不提供特定的 API 文档,但所有命令行选项和参数在执行 edx-dl --help 时都有说明。
四、项目安装方式
除了上述的 pip install 方式外,您还可以使用 Docker 容器运行此应用程序。只需安装 Docker 并运行以下命令:
docker run --rm -it \
-v "$(pwd)/edx/:/Downloaded" \
strm/edx-dl -u <USER> -p <PASSWORD>
在报告任何问题之前,请确保您运行的是所有程序(包括 edx-dl 和 youtube-dl)的最新版本。如果在怀疑,请使用以下命令:
pip install --upgrade edx-dl
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0153- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
LongCat-Video-Avatar-1.5最新开源LongCat-Video-Avatar 1.5 版本,这是一款经过升级的开源框架,专注于音频驱动人物视频生成的极致实证优化与生产级就绪能力。该版本在 LongCat-Video 基础模型之上构建,可生成高度稳定的商用级虚拟人视频,支持音频-文本转视频(AT2V)、音频-文本-图像转视频(ATI2V)以及视频续播等原生任务,并能无缝兼容单流与多流音频输入。00
auto-devAutoDev 是一个 AI 驱动的辅助编程插件。AutoDev 支持一键生成测试、代码、提交信息等,还能够与您的需求管理系统(例如Jira、Trello、Github Issue 等)直接对接。 在IDE 中,您只需简单点击,AutoDev 会根据您的需求自动为您生成代码。Kotlin03
Intern-S2-PreviewIntern-S2-Preview,这是一款高效的350亿参数科学多模态基础模型。除了常规的参数与数据规模扩展外,Intern-S2-Preview探索了任务扩展:通过提升科学任务的难度、多样性与覆盖范围,进一步释放模型能力。Python00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0112