本文閱讀需約 4 分鐘

這些年我在公眾號寫了不少原創(chuàng)文章，突然有個想法，能不能把我的原創(chuàng)文章都采集下來，然后分好類，制作成一本妥妥的電子書，然后賣給你們。。。

哦，不！直接送給你們，用老羅的話來說就是：

交個朋友！

我覺得這事有意義，可以干！

可是，怎么干呢？

理一下思路：

1. 我需要把所有的原創(chuàng)公眾號的原創(chuàng)文章鏈接和標(biāo)題都采集下來

2. 接著把文章鏈接分好類

3. 把它們生成 PDF 電子書

4. 開始寫篇文章裝下逼

嗯嗯，可以。

如何采集原創(chuàng)文章

在電腦打開微信客戶端，打開 Fiddler，開啟抓包，然后在微信瀏覽器中打開公眾號的歷史原創(chuàng)文章：

這時候就可以看到請求這個頁面的鏈接：

點進去可以看到各種請求的參數(shù)：

以及返回的 JSON 數(shù)據(jù)：

把它復(fù)制出來格式化一波：

通過一頓分析，可以發(fā)現(xiàn)在返回的 JSON 中：

title 字段就是文章標(biāo)題

content_url 就是文章的鏈接

can_msg_continue=1 說明下一頁還有數(shù)據(jù)

next_offset 可以獲取下一頁的數(shù)據(jù)量

再使用 Fiddler 模擬請求一下，發(fā)現(xiàn)數(shù)據(jù)正常返回：

那么接下來只要用 Python 構(gòu)造一下請求所需要的 Cookie 等參數(shù)不就可以獲取了么：

有了請求相關(guān)的參數(shù)，就可以獲取了。

我們通過 get 請求就可以得到返回的 Json 信息，然后把它們解析出來，拿到自己想要的標(biāo)題和鏈接，接著存到 csv 里去：

這里通過判斷 can_msg_continue ，如果下一頁有數(shù)據(jù)，就繼續(xù)獲取，直到?jīng)]有為止。

執(zhí)行一波：

很快，我要的數(shù)據(jù)就有了：

把鏈接分好類

我分享的文章中有不同的類型，比如有關(guān)于我的一些觀點類的，有資源分享的，有技術(shù)教程的，有技巧的等等。

我希望每個類別可以形成一個章節(jié)，那我就只能通過標(biāo)題，給它們打上 tag ：

然后在 Python 中通過 with open 把數(shù)據(jù)讀取出來重新排好序，放到 list 里面去：

把公眾號生成 PDF 電子書

有了鏈接列表，可以使用 pdfkit 的 from_url 方法，將它們生成 pdf ，但這樣直接去使用會有問題。

一來是公眾號圖片做了懶加載和防盜鏈，像這樣：

二來是現(xiàn)在抓取到文章的鏈接里面有很多不必要的東西，直接使用 pdfkit.from_url 會報錯，特別是你列表鏈接很多的時候：

那咋辦呢？

理一下思路：

請求每個鏈接，拿到具體文章

將其中的圖片引用 data-src 改為 src

使用正則表達式，只獲取文章內(nèi)容和格式

將它們重構(gòu)為新的 HTML 

將所有重新整理好的 HTML 文件存儲到本地并生成一個 file_list

使用 pdk.from_file 生成 pdf 文件

這里在生成 pdf 可以傳入 options 和 toc 參數(shù)，用來做一些生成 pdf 的配置，比如生成電子書的目錄 toc，可以引用 xsl：

在這里面就可以定義自己想要的樣式，比如我可以判斷如果標(biāo)題含有 Chapter，我就給目錄加個背景顏色：

至此，整個流程就搞完了，運行起來就可以生成一本電子書。

接下來，前方高能預(yù)警：

光目錄就 16 頁，整本書 1900+ 頁，蹲再多次馬桶也夠看了。

你覺得這本書值多少錢？反正我就是想送給你，交個朋友。

進入公眾號，發(fā)送 「帥書」，直接拿下。

希望對你有幫助，那么我們下回見，peace！