骚操作！用Python把公众号文章打包成pdf文件,不再怕自己的劳动成果被丢失
骚操作！用Python把公众号文章打包成pdf文件,不再怕自己的劳动成果被丢失
本文转自：Python绿色通道
背景
做自媒体的人，尤其是做了一年甚至更久的自媒体人，尤其是通过自媒体还有一些小收入的人，他们最怕自己的公众号内容因为各种原因而丢失，那就太可怕了! 在做自媒体内容上花了太多心血，如果突然一下就没了，那打击是相当大的，所以备份好自己的成果是非常重要的.
像我之前没有这方面意识，最近我做了一个小工具，把公众号文章打包成pdf文件，然后保存到本地，免去后顾之忧.
其实我之前写过了相关的文章，但那个时候写的还不是很好，不算完美，因为打包出来的文件，看不到图片，所以一直觉得有瑕疵!
最近我终于把这个瑕疵给解决了, 另外再解决了其它的几个问题，算是比较完美的升级吧!
先看效果图:
有目录，有图片。
解决图片显示问题，先看生成的pdf文件样子
其实直接获取到公众号文章的url就可以通过pdfkit工具包来生成一个pdf文件,但是这样获取出来的pdf文件图片是显示不出来的。
因为公众号文章里的图片是用data-src来标记的，这在pdf中是不能显示图片，所以我在这里把，data-src替换成了src，然后图片就可以显示出来.
def create_article_content(self, url, text):
"""文章内容"""
str = '<span style="font-size:30px; padding:10px"><a href = "{}">点击查看公众号原文</a></span>'.format(
url) + text.replace('data-src', 'src')
return str这部分代码的含义: url 是公众号原文链接，text 是公众号网页内容这里面包含了样式.
因为我把内容抓取过来后，我还想去点击原文，所以有了这个超链接,像上面图片中的【点击查看公众号原文】,再看看如何生成pdf文件.
生成pdf文件
单篇文章生成一个文件
每篇文章就是一个文件，但这种生成文件的方式比较慢，好处就是每篇文章单独成一个文件. 看效果图:
具体代码如下:
def creat_pdf_file(self, title, html_content):
html = 'tmp.html' # 这里是存放临时html文件
with open(html, 'w', encoding='utf-8') as f: # 点击open函数查看用法，这里是写入不要搞错了
f.write(html_content)
try:
output_file = 'D:/gzh2/{}.pdf'.format(title)
if not os.path.exists(output_file): # 过滤掉重复文件
pdfkit.from_file(html, output_file, configuration=self.config,
) # 注意这里需要配置一下wkhtmltopdf
except Exception as e:
print(sys._getframe().f_code.co_name)
print(e)
finally:
os.remove(html)title是文件名， html_content是文件内容,这里把文件内容定稿到一个临时的html文件中，然后把这个临时的html文件用pdfkit工具转换成pdf文件.
所有文章生成一个文件
这里是把所有的html文件内容组成一个数组，然后把这些内容列表转换成html的文件列表,然后把html文件列表放到pdfkit中转换成一个pdf文件，这个好处就是比较快速，但是所有的文件都放到一个文件中，感觉不利于阅读，也看各人喜好吧，效果图如下:
看代码
def creat_pdf_file(self):
htmls = []
for index, file in enumerate(self.html_contents):
html = '{}.html'.format(index) # 这里是存放临时html文件
with open(html, 'w', encoding='utf-8') as f: # 点击open函数查看用法，这里是写入不要搞错了
f.write(file)
htmls.append(html)
try:
output_file = 'D:/gzh2/{}_的原创文章_第【{}-{}】篇.pdf'.format(self.gzh_name,
(self.index_part - 1) * self.part_offset + 1,
self.index_part * self.part_offset)
if not os.path.exists(output_file): # 过滤掉重复文件
pdfkit.from_file(htmls, output_file, configuration=self.config,
) # 注意这里需要配置一下wkhtmltopdf
except Exception as e:
print(sys._getframe().f_code.co_name)
print(e)
finally:
self.html_contents = [] # 生成文件后，清空缓存
for file in htmls:
os.remove(file)注意点
我这里是用Charles来通过抓数据来进行分析的,其中获取文件的接口列表与cookie会有变化的，每次请求不同公众号，这里面的数据也不会相同，所以不管了，直接复制charles里的 url和cookie就好了, 所以你不能直接用我代码里的的cookie和base_url
看下面的图:
