我是怎么保存公众号历史文章合集到本地的？当然是用python了！
本文授权转载自：小痴印记
不知道你有没有这样的经历。
偶然间，关注了一个自己特别感兴趣的公众号，感觉就像是挖到了一个宝藏。于是，我们就想翻一翻宝藏里都有什么。
但是，如果你想看到宝藏最开始的内容，你不得不翻山越岭，刷到公众号的历史起点。这还不算什么，等你下次想要接着看下一篇时，不得不重蹈覆辙。
那么，我们有什么办法解决一下这个问题呢？
用万能的python写个脚本，我们就可以把公众号历史所有的文章批量的保存为本地的PDF，这样，就可以根据标题和日期来看自己喜欢的文章啦！
核心内容：
1 抓包工具Fiddler的配置及其使用
2 python获取公众号全部历史文章url地址
3 把url转化为PDF
4 获取单个文章的方法
1 抓包工具Fiddler的配置及使用
1）工作原理
客户端和服务器之间建立一个代理服务器，监听本机发出的请求和服务器返回的响应结果。
浏览器与服务器之间通过建立TCP连接以HTTP协议进行通信，浏览器默认通过自己发送HTTP请求到服务器。
而Fiddler是c#开发（微软出品，主要作者Eric Lawrence）的http代理服务器，fiddler工作于七层中的应用层，能够捕获到通过的http(s)请求。
2）下载地址
这是官网：http://www.telerik.com/fiddler
你也可以在公众号【小痴印记】后台，回复关键字“Fiddler抓包”直接获取。
3）配置https
默认情况下，Fiddler是不会捕获HTTPS会话的，初次使用时，需要下载安全证书，并配置。
具体步骤：
依次点击“Tools-Options-Https”，进行如下图的配置，“Actions-Trust root”是下载安全证书的。
4）设置局域网ip和端口号
Fiddler的运行机制其实就是本机上监听 8888 端口的 HTTP 代理。
Fiddler 启动的时候默认 IE 的代理设为了127.0.0.1:8888，而其他浏览器是需要手动设置的，所以将 Chrome 浏览器的代理改为127.0.0.1:8888 就可以监听数据了。
具体操作步骤，见第一篇参考文章：
https://blog.csdn.net/jingjingshizhu/article/details/80566191
注意：运行爬虫程序时，要关闭Fidder客户端
2 python源码分析
1）打开微信客户端，
点开某一个公众号的历史文章界面
以我的公众号为例，如图。
2）打开Fiddler，监听url
通过对比，前后两个url，可以发现，只是offset这个参数有所改变。
一些重要的关键字段：
__biz : 用户和公众号之间的唯一id
uin ：用户的私密id
key ：请求的秘钥，一段时候只会就会失效
offset ：偏移量
图的右下角，我们可以看到返回的数据类型，及其格式。
好啦，接下来，我们可以获取一页内容看看啦。
看看，reponse_dict的内容。
根据上图的json字符串，我们要做的是把title、content_url、datetime提取出来。
见下图。
至此，我们成功的获取到了标题、时间、内容url等信息。
只有在最后一篇文章时，can_msg_continue=0，其余所有文章都是1。
因此，获取公众号历史文章全部内容，可以加一个死循环，当判断为最后一篇文章时，直接break，结束循环。
完整代码：
关注【小痴印记】公众号，后台回复“公众号历史文章”
3 把url转化为pdf
用到了python第三方库pdfkit，重点在安装。
1）安装pdfkit
pip install pdfkit
2）安装wkhtmltopdf
1.下载地址：
https://wkhtmltopdf.org/downloads.html，安装到本地即可。
2.将按照目录下的bin添加到环境变量的path中；
3）重启电脑，重启电脑，重启电脑。
最终结果：
4 获取单个文章的其他途径
1）在网页上，打开对应的文章，注意，一定要把文章加载到底部（待图片显示完全）
2）我用的谷歌浏览器，打印-ctrl+p，另存为pdf
结果如下图：
5 文章小结
本文主要介绍了，使用python获取你喜欢的公众号的历史文章，并保存到本地PDF文件。
其中，用到了Fiddler抓包工具，首先获得所有文章内容的url地址，然后可把url转为PDF文件，不过，此方法保存的文件，图片不能很好的显示。
所以，如果你只是想打印一篇文章，那么，我建议你可在浏览器端打开指定一篇文章，另存为PDF文件。
回复关键字“Fiddler抓包”，获取“抓包工具”
回复关键字“公众号历史文章”，获取“完整源代码”
推荐阅读：（点击下方标题即可跳转）
腾讯云开发者
