最近參考一些技術(shù)文章同時(shí)結(jié)合自己的思考用寫了個(gè)可以批量保存微信文章的小工具。實(shí)現(xiàn)的功能是通過微信文章的鏈接將文章保存為圖片、HTML以及PDF，使用方法很簡單，不懂技術(shù)也能用。
寫這個(gè)小工具源于我的一個(gè)習(xí)慣，在看到喜歡或者有啟發(fā)的微信文章時(shí)，除了在微信收藏，我還會(huì)把它們保存下來。
一般手動(dòng)操作的步驟，首先是把某篇公眾號(hào)文章的鏈接放到谷歌瀏覽器的地址欄來打開文章，然后使用谷歌瀏覽器的打印功能將文章保存為PDF，按F12調(diào)出調(diào)試窗口后再按ctrl+shift+p調(diào)出命令輸入框接著輸入 full size 按回車后保存為圖片。
一篇兩篇文章這樣操作還沒什么，一旦想要保存的文章多了我就得一遍又一遍地重復(fù)上面的操作，這無疑是非常繁瑣的。為了提高效率，我把這些步驟寫成腳本，用來自動(dòng)幫我完成，于是就有了這個(gè)工具。
只需要將公眾號(hào)文章的鏈接放入到某個(gè)特定的txt文件，然后運(yùn)行工具就可以批量地將微信文章保存為圖片、HTML以及PDF。比之前的手動(dòng)步驟方便多了。
下面的內(nèi)容主要分為兩部分，第一部分「使用指南」是講如何使用這個(gè)工具的，第二部分「開發(fā)者指南」是講這個(gè)工具的開發(fā)思路和代碼邏輯，如果對代碼不感興趣直接略過第二部分就好。工具的使用和開發(fā)都是基于Win10系統(tǒng)的。
使用指南
1.獲取相關(guān)文件
在公眾號(hào)后臺(tái)的對話框發(fā)送文字「」獲取百度網(wǎng)盤鏈接及提取碼，通過鏈接下載相關(guān)壓縮包
2.解壓文件
將壓縮包解壓獲得文件夾，將該文件夾放到?jīng)]有中文的路徑下，里面的文件如下：
如果壓縮包中的谷歌瀏覽器、和與你的系統(tǒng)不兼容，可以到下面的網(wǎng)址去下載適合的版本，將下載的包放在與exe文件相同的文件夾。其中谷歌瀏覽器、的版本要一致。
· 谷歌瀏覽器下載地址：
· 下載地址：
· 下載地址：
3.安裝谷歌瀏覽器和
· 點(diǎn)擊p64.exe，在彈出的窗口點(diǎn)擊“是”，等待安裝完成即可。
·點(diǎn)擊-0.12.5-1.-win64.exe，在彈出的窗口點(diǎn)擊“是”，進(jìn)入到下一步后點(diǎn)擊“I Agree”,然后點(diǎn)擊將其安裝在默認(rèn)文件夾C:\ Files\，等待安裝完成即可。
4.填入公眾號(hào)文章鏈接
在urls4.txt填寫你需要保存的公眾號(hào)文章的鏈接，注意一行只能寫一條鏈接，注意不要有空格及其他特殊字符（urls4.txt中默認(rèn)鏈接有兩條微信文章的鏈接，第一次使用時(shí)可以先試下效果）
5.運(yùn)行工具
按照實(shí)際需要點(diǎn)擊exe文件，其中三個(gè)exe的功能略有差別，請酌情選擇，差別如下：
·.exe 僅對文章進(jìn)行截圖
· L.exe 對文章截圖并保存為HTML（因?yàn)楸４鏋镻DF耗時(shí)會(huì)比較長，所以通常我會(huì)選擇這種，既可以保留文章的格式又可以節(jié)約時(shí)間）
· L_PDF.exe 對公眾號(hào)文章截圖、保存為HTML以及PDF
注意要在文件夾中運(yùn)行exe文件。
6.完成標(biāo)志
命令提示符框顯示"本次保存所有文章的總耗時(shí)為xx秒字樣"時(shí)，表示已經(jīng)完成本次操作
開發(fā)指南
1.開發(fā)環(huán)境部署
使用的編程語言版本、瀏覽器版本、版本以及版本
· 3.6.8
·谷歌瀏覽器 79.0.3945.88版
· 79.0.3945.88版
· -0.12.5-1.-win64
安裝的教程網(wǎng)上有很多這里就不贅述了，不需要安裝，谷歌瀏覽器和的安裝包及安裝步驟在上面「使用指南」已經(jīng)提及。
2.使用到的模塊
,os,,time,,re,,,.
其中os,time及re為標(biāo)準(zhǔn)庫無需另外安裝，
,,,,以及可以用pip命令安裝。
比如安裝，在cmd窗口輸入pip 然后點(diǎn)擊回車等待安裝完成即可。
下面講講開發(fā)的思路和比較關(guān)鍵的代碼。
3. 思路
使用和模擬瀏覽器來訪問微信文章并進(jìn)行全屏截圖。
使用win10截圖保存路徑，用它的find方法和tag屬性修改刪除來解決微信文章圖片懶加載（即當(dāng)查看到文章某部分時(shí)圖片才加載）的問題，用find方法提取文章的作者和標(biāo)題，同時(shí)將提取的HTML保存為HTML文件。
使用調(diào)用將保存的HTML轉(zhuǎn)換為PDF文件。
4.關(guān)鍵代碼
·引入和，先設(shè)置好相關(guān)配置，將設(shè)置為無界面模式同時(shí)屏蔽掉運(yùn)行日志。在開發(fā)過程中如果不屏蔽掉運(yùn)行日志，那么將會(huì)有很多冗余的信息干擾你的視線。
from?selenium?import?webdriver
from?selenium.webdriver.chrome.options?import?Options
os.environ['webdriver.chrome.driver']?=?chromedriver
#?設(shè)置chrome開啟的模式，headless就是無界面模式，只有開啟這個(gè)模式才能截取全屏
chrome_options?=?Options()
chrome_options.add_argument('headless')
#?屏蔽chromedriver運(yùn)行日志
chrome_options.add_experimental_option('excludeSwitches',?['enable-logging'])
driver?=?webdriver.Chrome(chromedriver,?chrome_options=chrome_options)
· 因?yàn)槲⑿盼恼率褂玫氖菓屑虞d圖片的方式，所以如果直接使用方法只能截取到文字內(nèi)容而無法截取文章里的圖片，所以要用的來執(zhí)行JS腳本，模擬拖動(dòng)滾動(dòng)條到頁面的最底部。
all_window_height?=?[]
#?當(dāng)前頁面的最大高度加入列表
all_window_height.append(driver.execute_script('return?document.body.scrollHeight;'))?
while?True:
????#?執(zhí)行拖動(dòng)滾動(dòng)條操作
????driver.execute_script('scroll(0,100000)')
????time.sleep(3)
????check_height?=?driver.execute_script('return?document.body.scrollHeight;')
????#?判斷拖動(dòng)滾動(dòng)條后的最大高度與上一次的最大高度的大小，相等表明到了最底部
????if?check_height?==?all_window_height[-1]:
????????break
????else:
????????#?如果不相等，將當(dāng)前頁面最大高度加入列
????????all_window_height.append(check_height)本段代碼參考自
· 用的來執(zhí)行JS腳本，從而獲得整個(gè)網(wǎng)頁的高度和寬度，然后使用對整篇文章進(jìn)行截圖
width?=?driver.execute_script('return?document.documentElement.scrollWidth')
height?=?driver.execute_script('return?document.documentElement.scrollHeight')
#?將瀏覽器的寬高設(shè)置成剛剛獲取的寬高
driver.set_window_size(width,?height)
driver.save_screenshot(pic_path)
· 和上面截圖時(shí)遇到的圖片懶加載一樣，如果用直接將微信文章保存為HTML的話win10截圖保存路徑，保存的文件中是看不到圖片的，只能看到一個(gè)個(gè)。請教前端同事后，發(fā)現(xiàn)只要先將微信文章HTML中的屬性data-src改為src，然后再保存為HTML文件就不會(huì)有這個(gè)問題了。
soup?=?BeautifulSoup(response.content,?'html5lib')
#?將擁有'data-src'屬性的圖片標(biāo)簽的'data-src'改為'src'，解決JS懶加載的問題
for?img?in?soup.find_all('img',?{'data-src':?True}):
????img['src']?=?img['data-src']
????del?img['data-src']
· 通過調(diào)用模塊
pdfkit.from_file(html_path,?pdf_path,?options=options,?configuration=config)
· 完成代碼開發(fā)后，使用 -F L_PDF.py將代碼和使用到的模塊打包成exe，這樣在沒有環(huán)境的電腦也可以使用這個(gè)工具了。
完整代碼在上面的「使用指南」提及的下載包里面有，另外點(diǎn)擊本文左側(cè)最底部的閱讀原文也可以看到源碼。
參考資料
1.
2. Soup 4.4.0 文檔
3.函數(shù)解決頁面懶加載問題
題圖：Photo by 官網(wǎng)和微信官網(wǎng)
Note：
1.因?yàn)樗接邢蓿覍懙倪@個(gè)小工具也只是能用而已，如果讀者朋友們發(fā)現(xiàn)功能或者代碼有不合理的地方，歡迎到公眾號(hào)后臺(tái)的對話框留言指正交流，不勝感激。
2.一些網(wǎng)頁也可以用這個(gè)工具來保存，使用方法也是一樣的，讀者們可以試一試。