遇到那种有很多图的微信公众号文章咋办?一个一个存很麻烦,应朋友的要求自己写了个爬虫。
2.0版本完成了!完善了生成pdf的功能,可根据图片比例自动调节大小,防止超出页面范围,增加了序号方面查看
#-----------------settings---------------
#url='https://mp.weixin.qq.com/s/8JwB_SXQ-80uwQ9L97BMgw'
print('jd3096 for king 2.0 VIP8钻石永久会员版')
print('愿你远离流氓软件每一天')
url=input('请输入网址:')
#-----------------get data----------------
import requests
import re
from bs4 import BeautifulSoup
import os
from PIL import Image
try:
os.makedirs('pics')
except:
pass
os.chdir('pics')
page=requests.get(url).text
soup = BeautifulSoup(page, 'html.parser')
jdata = soup.find_all('img')
pn=0
for i in jdata:
try:
src=i['data-src']
print(src)
rp = requests.get(src)
with open(str(pn)+'.jpg','wb+')as f : # 循环写入图片
print(str(pn)+'.jpg')
f.write(rp.content)
pn+=1
except:
pass
#--------------------make pdf--------------------
from fpdf import FPDF
import os
path=os.getcwd()
print(path)
pdf = FPDF()
pdf.set_auto_page_break(1)
imagelist = [i for i in os.listdir()]
imagelist.sort(key=lambda x: int(x.split('.')[0]))
print(imagelist)
for image in imagelist:
try:
img = Image.open(image)
w = img.width #图片的宽
h = img.height #图片的高
ii=h/w
print(ii)
if ii>1.41:
ww=int(250/ii)
pdf.add_page()
pdf.set_xy(0,0)
pdf.set_font('arial','B',14)
pdf.cell(60)
pdf.cell(70,10,image,border=0, ln=1, align='C')
pdf.image(os.path.join(path, image), w=ww, h=250)
else:
hh=int(180*ii)
pdf.add_page()
pdf.set_xy(0,0)
pdf.set_font('arial','B',14)
pdf.cell(60)
pdf.cell(70,10,image,border=0, ln=1, align='C')
pdf.image(os.path.join(path, image), w=180, h=hh)
except:
pass
pdf.output(os.path.join(path, "merge.pdf"), "F")
爬完了长这样:
PDF长这样,比例适中适合阅读
到此这篇关于python爬取微信公众号文章图片并转为PDF的文章就介绍到这了,更多相关python微信公众号文章图片内容请搜索软件开发网以前的文章或继续浏览下面的相关文章希望大家以后多多支持软件开发网!