用PYTHON将微信公众号的文章导出

需要将微信公众号的文章导出来存档，从网上找了个微信文章搜索下载助手，倒是很方便的把所有历史消息列表导出了，但在将列表所有文章存为PDF文件时，作者要求付费，只好将列表文件导出来，然后写了段代码自己保存PDF

其中用到部分工具：

1、pdfkit工具，这个可以通过PIP安装，但之前要安装wkhtmltox，下载解压至D盘。

2、selenium，PIP安装即可。附加工作是下载与本机的chrome版本适应的chromedriver，复制到chrome目录，并把chrome目录添加到系统变量path中

3、urllib，pip安装，用以保存图片，之所以用urllib保存图片而不是通过pdfkit保存，因为pdfkit工具保存微信文章中的图片出现异常.

注意：微信图片在较老的文章中，用的URL是http而不是HTTPS,此处不再处理

import pdfkit
import re    #python中利用正则，需要导入re模块
import io
import time
import random
from selenium import webdriver
from urllib.request import urlretrieve

path_wk = r'D:\wkhtmltox\bin\wkhtmltopdf.exe' #wkhtmltox安装位置
config = pdfkit.configuration(wkhtmltopdf = path_wk)
f=open(r"d:\hl\list.txt","r",encoding='utf-8') #打开url列表
'''
形如：
文章标题||http://....
文章标题||http://....
'''
listurl=f.readlines()
driver = webdriver.Chrome()
driver.maximize_window()  
i=0 
for urlline in listurl:
    tt,url=urlline.split("||")  #分析出标题与url
    try:         
        pdfkit.from_url(url, r'd:\hl\pdfs\{}.{}.pdf'.format(i,tt), configuration=config)      #保存网页的PDF
        driver.get(url)
        doc = driver.page_source   #获得页面源代码
        pic_url = re.findall('src="https://mmbiz.qpic.cn/mmbiz_jpg/(.*?)"',doc,re.S) #取得所有微信文章配图的IMG的URL
        for key in pic_url:
            imgurl="https://mmbiz.qpic.cn/mmbiz_jpg/"+key            
            urlretrieve(imgurl, r"D:\hl\pdfs\IMAGES\{}.{}-{}.jpg".format(i,tt,random.randint(10000,99999))) #保存文件
        i+=1
    except:
        print(tt)
    time.sleep(3)