将微信公众号所有历史文章保存为PDF电子书

在线工具:微信文章转PDF
2018.2.13

相信在你所关注的微信公众号中,总会有一些作者在持续地输出优质内容。或许这些内容是你所处领域的精华干货,或许文章内的语句令人赏心悦目,以至于时不时你的脑中冒出这么一个想法:我要将此微信公众号所有的文章都保存下来。

但当看到众多的历史文章时,想到要一篇一篇地查看然后另存为PDF,会立即让人望而生畏。

So,本文为你提供一个较为极客的解决方案。

明确目的

快速地将某一微信公众号发布的所有历史文章都保存在一个PDF文件中。

了解笔者编写程序的逻辑

在下文中,笔者将通过Python语言编写代码,来实现将微信公众号所有历史文章保存下来的功能。

在这里需要先搞明白程序的逻辑:

  1. 获取某一微信公众号所有历史文章的url链接
  2. 编写可重复调用的函数,达到输入文章url链接,输出文章正文HTML内容的功能
  3. 通过循环语句,将第一步获取到的所有url都调用第二步的函数
  4. 将以上所有输出的正文内容拼接为一个HTML文件
  5. 通过Chrome浏览器将HTML转为PDF文件即可

程序的具体实现步骤

1. 通过Fiddler抓包获取查看历史文章的url链接

微信设置了限制,使得正常的浏览器不能打开微信查看历史文章的url链接。如下图所示,会显示请在微信客户端打开链接的字样:

请在微信客户端打开链接

此时便需要借助网络抓包工具Fiddler来获取真正可在浏览器中打开的url。另外还需登录电脑端微信。

当用电脑端微信查看某一公众号历史消息时,Fiddler会记录到请求的https链接地址,复制此url在正常浏览器中打开即可。

Fiddler

如下图所示,此时便可通过正常浏览器查看某一公众号所有历史消息记录。

可正常打开查看

2. 从上述网页中提取所有文章的url链接

此时需注意,上图的网页只会缓存前几篇文章,你需要做的,就是不断将网页滚动条下拉至最底端,让所有历史文章缓存在此网页中。

接下来通过右键审查元素,复制并保存包含所有历史文章url的HTML源代码。

最后通过BeautifulSoup或者正则表达式提取出所有的正文链接,保存在数组中。

下面代码用正则表达式来提取所有历史文章的url链接:

# 引入正则库
import re
# 1.html为包含所有历史文章url的HTML源码文件
f = open('1.html','r')
c = f.read()
f.close()
# 正则表达式,提取所有符合正文格式的链接
links_b = re.findall('hrefs="(http://mp.weixin.qq.com.+?)"',c,re.S)
# 最终所有的url链接将会保存在数组links中
links = []
for i in links_b:
    # 保证数组正文链接不重复
    if i not in links:
        links.append(i)

3. 循环语句合并且保存所有文章正文内容为HTML文件

首先我写了一个爬虫的类,创建对象时输入url便可:

import requests,re
from bs4 import BeautifulSoup
class Spider:
    '网络爬虫'
    def __init__(self,url):
        self.url = url
        self.content = self.getContent()
        self.bs = self.toBs()
    
    def getContent(self):
        r = requests.get(self.url)
        c = r.content
        return c

    def toBs(self):
        b = BeautifulSoup(self.content,'lxml')
        return b

    def getGoalContent(self,tag,id,attr):
        g = self.bs.find(tag,{id:attr})
        return g

通过分析微信公众号的HTML代码,只需下面二行代码,便可获得返回文章正文内容(配合上面class使用):

# 对象实例化
weixin = Spider(links[0])
# 调用类中的getGoalContent方法
content = str(weixin.getGoalContent('div','id','img-content'))

剩下的便是循环和保存为HTML文件的代码(以下代码有所删减,但不影响主要功能):

# 最终所有历史文章正文合并后的HTML代码将保存在strs中
strs = ''
# 循环调用
for i in range(len(links)):
    weixin = Spider(links[i])
    content = str(weixin.getGoalContent('div','id','img-content'))
    strs += content
# 保存为同一目录中的out.html文件
f = open('out.html','w')
f.write(strs)
f.close()

4. 将HTML转换为PDF

将以上代码保存为main.py文件,然后在终端运行,便会在同一目录生成out.html文件。

用Chrome浏览器将out.html文件打开,右键打印,选择导出PDF即可。

以下是生成的PDF文件示例截图:

PDF文件示例

后记

  • 程序的逻辑部分较为重要,具体的代码方面上文有所删减
  • 抓取到正文中的图片还需经过一定的程序处理才能显示
  • Fiddler抓包工具笔者也是刚上手,所以本文中没能详细介绍
最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 203,547评论 6 477
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 85,399评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 150,428评论 0 337
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,599评论 1 274
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,612评论 5 365
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,577评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,941评论 3 395
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,603评论 0 258
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,852评论 1 297
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,605评论 2 321
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,693评论 1 329
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,375评论 4 318
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,955评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,936评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,172评论 1 259
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 43,970评论 2 349
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,414评论 2 342

推荐阅读更多精彩内容