还在手动截图或复制粘贴保存微信公众号的好文章？告诉你一个更高效的方法，可以让你自动化将你喜欢的微信公众号文章保存为PDF，而且格式不变！这不仅可以帮你轻松整理、归档文章，还能在作者删除或公众号被封时，依然保留那些珍贵的内容。今天，我将为大家带来一项颠覆性的技术——自动化爬取微信公众号文章并原样保留格式存储为PDF文件！从此告别繁琐，一键搞定！而且是全网独此真正有效代码
一、为何需要下载微信公众号文章为PDF？
微信公众号作为我们获取信息、学习知识的重要渠道，每天都有大量的优质文章涌现。然而，有时候我们会遇到一些不可预见的情况，比如文章被作者删除、微信公众号被封号等，导致我们无法再次找到这些好文章。或者，长按复制链接，打开网页版保存，但总是少了点什么——格式、图片、排版全都变了样。为了避免这些遗憾，将文章下载到本地并保存为PDF格式成为了一个很好的选择。PDF格式具有跨平台、不易修改等特点，能够确保文章内容的完整性和可读性。
二、如何实现微信公众号文章一键爬取并保存为PDF
图片
前提准备
1.注册一个个人微信公众号用来获取想要爬取的公众号的长期地址
注册方法：《https://kf.qq.com/faq/120911VrYVrA151009eIrYvy.html》
2.准备python环境并安装相应的第三方库
pip install requests # 这是爬虫必备库pip install pdfkit # 用于转pdf的工具库，有一个exe应用程序，# 可以后台私信获取pip install wechatsogou # 获取每一篇文章的api接口pip uninstall Werkzeug # wechatsogou 依赖库默认是3.0.3版本，但是会报各种错误pip3 install Werkzeug==0.11.15 # 安装正确版本3.下载软件wkhtmltox 我会放到网盘里，后台私信'pachong'获取下载链接
图片
批量获取微信公众号往期推送的URL、主题和时间
进入微信公众号——左侧草稿箱——新的创作—— 在图文编辑页中选择超链接——搜索你想要爬取的微信公众号名称——F12找到请求链接——复制curl bash——在curlconvert网站中获取请求地址和请求参数——解析获取的结果，得到文章标题、文章时间和文章URL
图片
图片
图片
图片
图片
图片
图片
图片
import requestsimport jsonimport timedef crawl_all_article_url(page): cookies = { 'appmsglist_action_3948617697': 'card', 'ua_id': 'cPS3GpAA01IEkaRJAAAAAIvDxBMaEL0YwwkNCjBwcAQ=', 'wxuin': '00617100352084', 'mm_lang': 'zh_CN', 'pac_uid': '0_6f1a31a07c4ab', 'iip': '0', '_qimei_uuid42': '17c1a0b23191007d54d4e4bc638bde211f0338f3bf', '_qimei_q36': '', '_qimei_h38': '8f95287254d4e4bc638bde2102000002517c1a', 'RK': 'jTHYN6T3Wp', 'ptcz': '7345f2bcdd021ede2b9e3b5ff3857a614e8f78a9ecdf01650aa9a3a225afd21e', 'pgv_pvid': '8536395802', 'ts_uid': '6019633394', '__root_domain_v': '.weixin.qq.com', '_qddaz': 'QD.243806759066417', 'qq_domain_video_guid_verify': '6e9c8245aad0e837', '_qimei_fingerprint': '36d8e5c4ef2b920cd2da41f5f01ca167', '_clck': '3902705164|1|fm1|0', 'uuid': '4f9478c2739d6acbb0878a2e7b6c7b35', 'rand_info': 'CAESINjnm2X0Xw6se5Kiw4ayZI9Ft4uFGZEaPM8tGhG8HhAl', 'slave_bizuin': '3902705164', 'data_bizuin': '3902705164', 'bizuin': '3902705164', 'data_ticket': 'DJqUc+FKg56UrvBm8mHaCSI28Je1eBjufcd/Bb1OMvhzcoXTTFoXRMrQIbNGjKtA', 'slave_sid': 'cG5yOWQzc0JrX3BNejZmMEhZWG5yN1JFZ1lzMzVWbW85aDZVRHpuSmw2UGVyaTczRFozdGFDMWpvd2ZQckhMbm5tX0pNc1FkcWNBX3VnbEFDZ29pZ3JLNW5hTEdqbm9ROXIyX01GMW5TeUYzQ2RhbUdoZmtldTJDS3N4eWlDYmR0MUd0ZUtqcmkxYjV0UGZj', 'slave_user': 'gh_19182aefb42a', 'xid': '081913df3456544c4dc84a51fd52778f', '_clsk': '121cm1q|1716519674628|15|1|mp.weixin.qq.com/weheat-agent/payload/record',} headers = { 'accept': '*/*', 'accept-language': 'zh-CN,zh;q=0.9,en;q=0.8', # 'cookie': 'appmsglist_action_3948617697=card; ua_id=cPS3GpAA01IEkaRJAAAAAIvDxBMaEL0YwwkNCjBwcAQ=; wxuin=00617100352084; mm_lang=zh_CN; pac_uid=0_6f1a31a07c4ab; iip=0; _qimei_uuid42=17c1a0b23191007d54d4e4bc638bde211f0338f3bf; _qimei_q36=; _qimei_h38=8f95287254d4e4bc638bde2102000002517c1a; RK=jTHYN6T3Wp; ptcz=7345f2bcdd021ede2b9e3b5ff3857a614e8f78a9ecdf01650aa9a3a225afd21e; pgv_pvid=8536395802; ts_uid=6019633394; __root_domain_v=.weixin.qq.com; _qddaz=QD.243806759066417; qq_domain_video_guid_verify=6e9c8245aad0e837; _qimei_fingerprint=36d8e5c4ef2b920cd2da41f5f01ca167; _clck=3902705164|1|fm1|0; uuid=4f9478c2739d6acbb0878a2e7b6c7b35; rand_info=CAESINjnm2X0Xw6se5Kiw4ayZI9Ft4uFGZEaPM8tGhG8HhAl; slave_bizuin=3902705164; data_bizuin=3902705164; bizuin=3902705164; data_ticket=DJqUc+FKg56UrvBm8mHaCSI28Je1eBjufcd/Bb1OMvhzcoXTTFoXRMrQIbNGjKtA; slave_sid=cG5yOWQzc0JrX3BNejZmMEhZWG5yN1JFZ1lzMzVWbW85aDZVRHpuSmw2UGVyaTczRFozdGFDMWpvd2ZQckhMbm5tX0pNc1FkcWNBX3VnbEFDZ29pZ3JLNW5hTEdqbm9ROXIyX01GMW5TeUYzQ2RhbUdoZmtldTJDS3N4eWlDYmR0MUd0ZUtqcmkxYjV0UGZj; slave_user=gh_19182aefb42a; xid=081913df3456544c4dc84a51fd52778f; _clsk=121cm1q|1716519674628|15|1|mp.weixin.qq.com/weheat-agent/payload/record', 'referer': 'https://mp.weixin.qq.com/cgi-bin/appmsg?t=media/appmsg_edit_v2&action=edit&isNew=1&type=77&createType=0&token=1635832127&lang=zh_CN×tamp=1716519674285', 'sec-ch-ua': ''Google Chrome';v='123', 'Not:A-Brand';v='8', 'Chromium';v='123'', 'sec-ch-ua-mobile': '?0', 'sec-ch-ua-platform': ''Windows'', 'sec-fetch-dest': 'empty', 'sec-fetch-mode': 'cors', 'sec-fetch-site': 'same-origin', 'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/123.0.0.0 Safari/537.36', 'x-requested-with': 'XMLHttpRequest', } params = { 'sub': 'list', 'search_field': 'null', 'begin': f'{5*page}', 'count': '5', 'query': '', 'fakeid': 'MzkyMjY2MjMwOQ==', 'type': '101_1', 'free_publish_type': '1', 'sub_action': 'list_ex', 'token': '1635832127', 'lang': 'zh_CN', 'f': 'json', 'ajax': '1', } print(params) response = requests.get('https://mp.weixin.qq.com/cgi-bin/appmsgpublish', params=params, cookies=cookies, headers=headers) resp = response.json()['publish_page'] # print(response.json()) resp = json.loads(resp) print(len(resp['publish_list'])) for i in resp['publish_list']: article_links = [] art_info = json.loads(i['publish_info']) art_title = art_info['appmsgex'][0]['title'] art_time = art_info['appmsgex'][0]['create_time'] art_date = date = time.strftime('%Y-%m-%d', time.localtime(art_time)) art_link = art_info['appmsgex'][0]['link'] a_info = { 'url': art_link, 'title': art_title, 'time': art_date } article_links.append(a_info) return article_linksarticle_links= []for i in range(7): # 7是微信公众号文章页数 page_link = crawl_all_article_url(i) print(page_link) article_links = article_links + page_link time.sleep(5) 图片
爬取所有文章并存储为PDF格式
得到文章所有的url之后下一步就是爬取文章的具体内容了，在这里要用到wechatsougo接口，直接pip install 安装会存在依赖库版本问题，主要是库Werkzeug 的版本不对，总是报错，我在这个地方卡了两天，直到试到版本Werkzeug==0.11.15 才成功，需要你做的是：
pip uninstall Werkzeug # wechatsogou 依赖库默认是3.0.3版本，但是会报各种错误pip3 install Werkzeug==0.11.15 # 安装正确版本import pdfkitimport wechatsogoudef link_to_pdf(url, title, date): ws_api = wechatsogou.WechatSogouAPI(captcha_break_time=3) # 调用接口 content_info = ws_api.get_article_content(url) # 请求链接 content = content_info['content_html'] # 转换为html格式 # 将标题和文章内容放入如下html中处理一下 html = f''' <!DOCTYPE html> <html lang='en'> <head> <meta charset='UTF-8'> <title>{title}</title> </head> <body> <h2 style='text-align: center;font-weight: 400;'>{title}</h2> {content} </body> </html>''' # wkhtmltopdf可执行程序路径 path_wkthmltopdf = r'D:\software-dir\wkhtmltox\bin\wkhtmltopdf.exe' config = pdfkit.configuration(wkhtmltopdf=path_wkthmltopdf) # 配置pdfkit pdfkit.from_string(html, f'{title} {date}.pdf', configuration=config) # 转PDF，并按设定好的命名文件 print(f'{title}.pdf 已下载') for link in article_links: url = link['url'] title = link['title'] date = link['time'] link_to_pdf(url, title, date)图片
图片
图片
本站仅提供存储服务，所有内容均由用户发布，如发现有害或侵权内容，请点击举报。