需要成品的直接看代码和演示成果即可。
前言
找杂志的过程中发现的网站，需求就是将杂志下载下来存储为pdf，因为需要下载多本杂志，就需要写个程序来做这件事情，最近在研究AI辅助编程，就尝试用使用DeepSeek辅助编写python代码来实现该功能，本人情况属于有代码基础，但是Python只有自学一两天的水平，所以整个流程有一定借鉴意义。
解析&流程
流程其实比编程更为重要，因为代码部分AI能帮你实现大部分内容，而流程更多的需要自己来思考。
分析网站
# 杂志Url
http://www.qikan.com.cn/original/2AB3ECB3-1F0E-4A06-AF1F-F08670F42B80/2025/03.html#book7/page1
url携带了很多信息，先简单记一下。杂志阅读的过程中，发现只能预览五六页，点击可以可以看高清图。打开开发者工具看一下Network
这里可以看到调用了接口，请求得到20个切片图片，这20个图片拼接成了高清大图
# 获取切片图接口Url
http://www.qikan.com.cn/FReader/h5/handle/originalapi.ashx?year=2025&issue=03&codename=nafc&page=5&types=getbigimages&_=1739702586107
分析一下接口实际上参数year，issue，codename，page，types，_ ，其实很清晰：year（年份），issue（期数），codename（期刊名），page（页码），types（固定为getbigimages，意思也能看明白：获取大图），后面再加个时间戳。我们需要的其实就是看一下代码或者其他接口里是否有相关参数信息。
打开网页源码，可以清晰的看到需要的参数都在，这一步页很顺利的完成了，那么就剩下一个问题就是之前说的只能预览五六页，正常的思路是注册账号购买模拟登录进行下载，但是非常幸运的发现获取切片图接口没有做任何限制，这里表示非常震惊~
分析过程结束，到此我们梳理一下编码流程：
编码流程
- 获取杂志url
- 正则匹配得到获取切片图接口Url的参数：year，issue，codename，page（pagecount页码总数 ）
- 逐页下载切片图片
- 将切片图片拼接成完整大图
- 将完整大图合并为pdf
- 删除下载的图片（可保留）
源码
其实流程足够清晰且可行的话，这种程度的代码就完全可以交给AI完成了，剩下的就是调试修改了。以下是实际代码：
import os
import re
import requests
from PIL import Image
from fpdf import FPDF
from io import BytesIO
from requests.adapters import HTTPAdapter
from requests.packages.urllib3.util.retry import Retry
class Qikan:
default_img_start = [
[[0,0],[468,0],[936,0],[1404,0]],
[[0,468],[468,468],[936,468],[1404,468]],
[[0,936],[468,936],[936,936],[1404,936]],
[[0,1404],[468,1404],[936,1404],[1404,1404]],
[[0,1872],[468,1872],[936,1872],[1404,1872]],
]
default_img_total_size = {'width':1597, 'height':2255}
web_headers = {
'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/131.0.0.0 Safari/537.36 Edg/131.0.0.0'
}
def __init__(self):
self.session = requests.Session()
retries = Retry(total=3, backoff_factor=1, status_forcelist=[500, 502, 503, 504])
self.session.mount('http://', HTTPAdapter(max_retries=retries))
self.session.mount('https://', HTTPAdapter(max_retries=retries))
def http_get(self, url, headers=None):
try:
response = self.session.get(url, headers=headers or self.web_headers, timeout=10)
response.raise_for_status()
return response.content
except requests.exceptions.RequestException as e:
print(f"HTTP GET error: {e}")
return None
def download_image(self, url, destination):
content = self.http_get(url)
if content:
os.makedirs(os.path.dirname(destination), exist_ok=True)
with open(destination, 'wb') as f:
f.write(content)
return destination
return None
def get_magazine_issue(self, url):
content = self.http_get(url)
if not content:
return None
variables_to_match = ['guid', 'year', 'issue', 'codename', 'pagecount']
result = {}
# 提取JavaScript变量
pattern = re.compile(r'var\s+([^=]+)\s*=\s*"([^"]+)"\s*;')
matches = pattern.findall(content.decode('utf-8'))
for var_name, var_value in matches:
var_name = var_name.strip()
if var_name in variables_to_match:
result[var_name] = var_value.strip()
# 提取标题
title_match = re.search(r'<p class="maga-tc-title">(.*?)</p>', content.decode('utf-8'))
if title_match:
result['title'] = title_match.group(1)
return result
def download_image_list(self, info):
path_temp = f"./{info['year']}_{info['issue']}_{info['codename']}"
os.makedirs(path_temp, exist_ok=True)
for page in range(1, int(info['pagecount']) + 1):
print(f"\r正在下载第 {page} 页 ", end="")
url = f"http://www.qikan.com.cn/FReader/h5/handle/originalapi.ashx?year={info['year']}&issue={info['issue']}&codename={info['codename']}&page={page}&types=getbigimages"
content = self.http_get(url)
if content:
img_list = content.decode('utf-8')
# 这里需要根据实际返回格式解析图片列表
# 假设返回的是JSON数组
import json
img_urls = json.loads(img_list)
for img_url in img_urls:
filename = os.path.basename(img_url.split('?')[0])
self.download_image(img_url, os.path.join(path_temp, filename))
self.splicing_img(path_temp, page)
print(f"\r已下载完成 {page} 页 ", end="")
def splicing_img(self, path, page):
page_t = str(page).zfill(4)
merged_image = Image.new('RGB', (self.default_img_total_size['width'], self.default_img_total_size['height']))
for row in range(5):
row_t = str(row).zfill(4)
for col in range(4):
col_t = str(col).zfill(4)
img_path = os.path.join(path, f"{page_t}_{row_t}_{col_t}.jpg")
try:
img = Image.open(img_path)
x, y = self.default_img_start[row][col]
width, height = img.size
merged_image.paste(img, (x, y, x + width, y + height))
except Exception as e:
print(f"Error processing {img_path}: {e}")
output_path = os.path.join(path, f"{page_t}.jpg")
merged_image.save(output_path)
def create_pdf(self, path, page_all, name=None):
pdf = FPDF()
pdf.set_auto_page_break(0)
# 获取第一张图片的实际尺寸
first_page = str(1).zfill(4)
first_img_path = os.path.join(path, f"{first_page}.jpg")
try:
with Image.open(first_img_path) as img:
original_width, original_height = img.size
except Exception as e:
print(f"❌ 读取首图尺寸失败: {str(e)}")
return
# 计算适合A4的缩放比例（宽度适配210mm）
a4_width_mm = 210 # A4纸宽度
mm_per_pixel = a4_width_mm / original_width # 每像素对应的毫米数
page_width = a4_width_mm
page_height = original_height * mm_per_pixel # 保持宽高比
# 设置页面尺寸（关键修正点）✅
page_size = (page_width, page_height)
pdf = FPDF(unit="mm", format=page_size)
for page in range(1, page_all + 1):
page_t = str(page).zfill(4)
img_path = os.path.join(path, f"{page_t}.jpg")
# 兼容旧版 fpdf（< 1.7）
pdf.add_page() # 无需再传参数
try:
pdf.image(img_path, 0, 0, page_width, page_height)
except Exception as e:
print(f"添加图片失败 {img_path}: {str(e)}")
continue
output_path = f"./{name}.pdf" if name else f"{path}.pdf"
pdf.output(output_path)
print(f"\n文件被保存在：{output_path}")
# 新增辅助方法获取图片物理尺寸（毫米）
def _get_physical_size(self, img_path):
try:
with Image.open(img_path) as img:
# 获取DPI信息（默认为72）
dpi = img.info.get('dpi', (72, 72))
width_inch = img.width / dpi[0]
height_inch = img.height / dpi[1]
return (width_inch * 25.4, height_inch * 25.4) # 英寸转毫米
except Exception as e:
print(f"⚠️ 获取物理尺寸失败：{str(e)}")
return None
def download_magazine(self, url):
url = url.replace('/magdetails/', '/original/').replace('/m/', '/')
info = self.get_magazine_issue(url)
if not info:
print("\n解析失败")
return
print(f"\n杂志名称：{info.get('title', '')}")
print(f"页码总数：{info.get('pagecount', 0)}\n")
self.download_image_list(info)
self.create_pdf(
path=f"./{info['year']}_{info['issue']}_{info['codename']}",
page_all=int(info['pagecount']),
name=info.get('title', None)
)
if __name__ == "__main__":
qikan = Qikan()
url = input("请输入杂志url: ")
qikan.download_magazine(url)
结果展示
优化
- 错误处理、日志
- 批量下载
- 多进程
- 图形界面
源码其实比较粗糙，但是可以解决实际问题，后续的话，可以考虑以上优化内容，不过作为解决原始需求的工具已经足够了。
结尾
希望以上思路或者工具能够给大家有一些借鉴意义，撒花~
吐槽
论坛MD的图片功能太不好用了，找个机会写个工具~
[复制链接]
来自 #
|
发表于 2025-2-25 23:52
|楼主
发表于 2025-2-17 15:42
收藏
淘帖
有用
分享到朋友圈
