中国大学MOOC课程资料下载器完整使用教程
2026-02-06 04:56:26作者:范靓好Udolf
项目简介
mooc-dl 是一个专为中国大学MOOC平台设计的课程资料下载工具,能够帮助用户一键下载课程视频、文档和附件,实现真正的离线学习体验。该项目采用Python语言开发,支持多线程下载和灵活的配置选项。
环境准备
在开始使用之前,请确保您的系统满足以下要求:
- Python 3.6或更高版本
- 稳定的网络连接
- 已参加目标课程的中国大学MOOC账号
安装步骤
1. 获取项目代码
首先需要克隆项目到本地:
git clone https://gitcode.com/gh_mirrors/mo/mooc-dl
cd mooc-dl
2. 安装依赖包
使用pip安装项目所需的依赖:
pip install -r requirements.txt
3. 配置FFmpeg(可选)
如果需要视频合并功能,请自行安装FFmpeg并配置系统环境变量。
配置详解
配置文件结构
打开 config.json 文件,您可以看到以下配置选项:
{
"username": "您的爱课程账号",
"password": "您的爱课程账号密码",
"resolution": 0,
"root": "",
"num_thread": 16,
"overwrite": false,
"file_path_template": "{base_dir}{sep}{cnt_1} {chapter_name}{sep}{cnt_2} {lesson_name}{sep}{cnt_3} {unit_name}",
"range": {
"start": [0, 0, 0],
"end": [999, 999, 999]
},
"file_types": [1, 3, 4],
"use_ffmpeg": false
}
关键配置说明
| 配置项 | 说明 | 推荐值 |
|---|---|---|
| username | 爱课程账号 | 您的实际账号 |
| password | 账号密码 | 您的实际密码 |
| resolution | 视频清晰度 | 0(最高清晰度) |
| num_thread | 下载线程数 | 8-16 |
| file_types | 下载文件类型 | [1,3,4](全部类型) |
| use_ffmpeg | 使用FFmpeg合并 | false(默认) |
账号安全提醒
重要提示:请务必使用自己的爱课程账号,不要使用共享账号。目前中国大学MOOC会验证账号是否参加课程,只有已报名课程的用户才能正常下载。
使用方法
基本下载命令
下载整个课程的所有资料:
python mooc-dl.py "课程URL"
例如:
python mooc-dl.py "https://www.icourse163.org/course/ZJU-93001"
高级参数使用
支持通过命令行参数覆盖配置文件:
python mooc-dl.py "课程URL" --range="1.2~5.4" --file-types="1,3" --use-ffmpeg --overwrite
参数说明:
--range:指定下载范围(格式:起始章节~结束章节)--file-types:指定下载文件类型(1=视频,3=PDF,4=附件)--use-ffmpeg:启用FFmpeg视频合并--overwrite:强制覆盖已存在文件
文件路径定制
您可以根据需要自定义文件存储路径。例如,按文件类型分类存储:
{
"file_path_template": "{base_dir}{sep}{type}{sep}{cnt_3} {unit_name}"
}
常见问题解答
Q: 下载进度显示异常怎么办?
A: 进度条显示问题不影响实际下载功能,所有文件都会正常下载完成。
Q: 为什么需要使用自己的账号?
A: 中国大学MOOC平台会验证账号是否参加课程,只有已报名用户才能访问课程资料。
Q: 支持哪些文件类型下载?
A: 支持三种文件类型:视频(1)、PDF文档(3)、附件(4)。
Q: 如何设置下载范围?
A: 可以通过配置文件或命令行参数设置起始和结束章节。
使用建议
- 网络环境:建议在稳定的网络环境下使用,避免下载中断
- 存储空间:确保有足够的磁盘空间存储课程资料
- 版权遵守:下载的资料仅限个人学习使用,请勿用于商业用途
- 定期更新:虽然项目已停止维护,但基本功能仍然可用
技术架构
mooc-dl 基于Python开发,主要功能模块包括:
- crawler.py:网络请求和内容抓取
- downloader.py:多线程下载管理
- config.py:配置管理
- utils模块:提供各种工具函数
通过合理的配置和使用,mooc-dl 能够帮助您高效地获取中国大学MOOC平台的优质学习资源,为您的学习之路提供有力支持。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
热门内容推荐
最新内容推荐
Degrees of Lewdity中文汉化终极指南:零基础玩家必看的完整教程Unity游戏翻译神器:XUnity Auto Translator 完整使用指南PythonWin7终极指南:在Windows 7上轻松安装Python 3.9+终极macOS键盘定制指南:用Karabiner-Elements提升10倍效率Pandas数据分析实战指南:从零基础到数据处理高手 Qwen3-235B-FP8震撼升级:256K上下文+22B激活参数7步搞定机械键盘PCB设计:从零开始打造你的专属键盘终极WeMod专业版解锁指南:3步免费获取完整高级功能DeepSeek-R1-Distill-Qwen-32B技术揭秘:小模型如何实现大模型性能突破音频修复终极指南:让每一段受损声音重获新生
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
561
3.81 K
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
891
652
昇腾LLM分布式训练框架
Python
115
146
Ascend Extension for PyTorch
Python
373
436
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
348
196
React Native鸿蒙化仓库
JavaScript
308
359
Dora SSR 是一款跨平台的游戏引擎,提供前沿或是具有探索性的游戏开发功能。它内置了Web IDE,提供了可以轻轻松松通过浏览器访问的快捷游戏开发环境,特别适合于在新兴市场如国产游戏掌机和其它移动电子设备上直接进行游戏开发和编程学习。
C++
57
7
暂无简介
Dart
794
196
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.36 K
772