抓取微信微信官方账号文章，保存为PDF文件(Python方法)

【相关学习推荐:微信微信官方账号开发教程】

前言:第一次写博客，主要内容是抓取微信微信官方账号的文章，以PDF格式保存在本地。

爬微信微信官方账号文章(使用微信sogou)1。Install Pip Install we chatsogou --UpgradeChatsogou是一个基于搜狗微信搜索的微信微信官方账号爬虫接口。

2.用法使用方法如下

import we chat sogou # captcha _ break _ time是验证码重试不正确的次数。默认值为1ws _ API = wechatsogoug . wechatsogouapi(captcha _ break _ time = 3)#微信官方账号名称gzh _ name = # 39'#将微信官方账号中最后10篇文章的信息以字典形式返回data = ws _ API . get _ gzh _ article _ by _ history(gzh _ name)数据结构:

{ 'gzh # 39: { '微信_姓名 # 39；: ''# Name # 39微信_ id # 39: ''#微信id # 39简介 # 39；: ''，#简介 # 39；认证 # 39；: ''#认证 # 39；headimage # 39: ''# avatar }、 # 39；第 # 39；: [ { 'send _ id # 39:int，#群发id，注意不唯一，因为多条消息同时发送，群发id是一样的 # 39；日期时间 # 39；:int，#发送组中DataTime的10位时间戳 # 39；类型 # 39；: ''、#消息类型，都是49个(手机历史消息页还有其他类型，网页最后10个消息页只有49个)，表示图文 # 39；main # 39:int，#是批量传输的第一条消息，1还是0 # 39；标题 # 39；: ''#文章标题 # 39；摘要 # 39；: ''#摘要 # 39；fileid # 39:int，# # 39；content _ url # 39: ''，#文章链接 # 39；source _ url # 39: ''，#阅读原文链接 # 39；封面 # 39；: ''，#封面图片 # 39；作者 # 39；: ''，#作者 # 39；copyright _ stat # 39:int，#文章类型，例如:原创}，...]}这里你需要获取两条信息:文章标题和文章网址。

得到文章的url后，就可以根据url把html页面转换成pdf文件了。

生成PDF文件1。安装wkhtmltopdf下载地址:https://wkhtmltopdf.org/downloads.html

2.安装PDF包安装PDF包3。使用import pdfkit#方法生成PDFPDFKit。From _ url根据网址( # 39；http://Baidu . com # 39；,'out.pdf # 39)#从html文件生成pdf pdf kit . from _ file( # 39；test.html # 39,'out.pdf # 39)#根据html代码生成pdfpdfkit . from _ string( # 39；你好！','out.pdf # 39)如果直接使用上面获取的文章的url生成pdf，会出现pdf文件不显示文章图片的问题。

解决方案:

#该方法根据文章的url对html进行处理，使图片显示content _ info = ws _ API . get _ article _ content(URL)#获取html代码(代码不完整，需要添加head、body等标签)。html _ code = content _ info[ # 39；content _ html # 39]然后根据html_code构造一个完整的html代码，调用pdfkit.from_string()方法生成一个pdf文件。这时，你会发现文章中的图片显示在pdf文件中。

完整代码导入OS导入pdfkitimport datetime导入wechatsogou #初始化API ws _ API = we chatsogou . we chatsogou API(captcha _ break _ time = 3)def URL 2 pdf(URL，title，target path): # 39；''用pdfkit生成pdf文件:param URL:article URL:param title:article title:param target path:存储pdf文件的路径 # 39；''try:content _ info = ws _ API . get _ article _ content(URL)except:return false # processed html html = f # 39；'' lt！DOCTYPE html gt lthtml lang = 恩 gt lthead gt ltmeta charset = ut F-8 ； gt lttitle gt{ title } lt/title gt； lt/head gt； ltbody gt lth2 style = text-align:居中；font -重量:400；" gt{ title } lt/H2 gt；{ content _ info[ # 39；content _ html # 39]} lt；/body gt； lt/html gt；'''try: pdfkit.from_string(html，target path+OS . path . sep+f # 39；{title}。pdf # 39)除外:#部分文章标题包含特殊字符，不能用作文件名filename = datetime.datetime.now()。strftime( # 39；% Y % m % d % H % M % S # 39) + '。pdf # 39pdfkit.from_string(html，target path+OS . path . sep+filename)if _ _ name _ _ = = # 39；_ _ main _ _ # 39:#这里是要抓取的微信官方账号的名称gzh _ name = # 39'target path = OS . getcwd()+OS . path . sep+gzh _ name #如果没有目的文件夹，则创建它如果没有OS . path . exists(target path):OS . makeders(target path)#将微信官方账号最后10篇文章的信息返回data = ws _ API . get _ gzh _ article _ by _ history(gzh _ name)article _ list =字典形式的数据[ # 39；第 # 39；]for article _ list中的文章:URL = article[ # 39；content _ url # 39]title = article[ # 39；标题 # 39；] url2pdf(url，title，targetPath)以上是抓取微信微信官方账号文章并保存为pdf文件(Python方法)的详细内容。请多关注主机参考其他相关文章！

这几篇文章你可能也喜欢：

• 抓取微信微信官方账号文章并保存为PDF文件（python方法）（Python抓取微信官方账号文章）。

本文由主机参考刊发，转载请注明：抓取微信微信官方账号文章，保存为PDF文件(Python方法) https://zhujicankao.com/75701.html