本帖最后由 yibeijiu 于 2026-7-27 11:32 编辑
该脚本用于读取公众号文章链接，自动提取文章中的图片地址，依次下载图片，并按照文章中的排列顺序合并生成一个 PDF 文件。[b]主要是为了避免手动保存一张一张图片的麻烦。
1. 网络请求配置
session = requests.Session()
session.headers.update(headers)
session.verify = False
使用 requests.Session() 创建持久化会话，并设置浏览器请求头，降低请求被网站拦截的概率。verify=False 用于关闭 HTTPS 证书验证。
2. 提取文章图片链接
links = re.findall(
r'img.*?data-src="(https://.*?wx_fmt=(?:jpeg|png|gif|bmp))',
r.text
)
通过正则表达式提取微信公众号文章中 data-src 属性保存的图片地址。
若第一种匹配方式未找到图片，则采用备用规则：
links = re.findall(
r'data-src="(https://mmbiz\.qpic\.cn/[^"]+)"',
r.text
)
3. 下载图片
r = session.get(url, timeout=30)
r.raise_for_status()
return BytesIO(r.content)
程序逐个请求图片链接，并使用 BytesIO 将图片数据保存在内存中，无需生成临时图片文件。
4. 图片格式处理
img = Image.open(file)
img.seek(0)
if img.mode == "RGBA":
img = img.convert("RGB")
利用 Pillow 读取图片。对于带透明通道的 RGBA 图片，先转换为 RGB 格式，避免保存 PDF 时出现格式错误。
5. 合并生成 PDF
images[0].save(
output_file,
"PDF",
resolution=100.0,
save_all=True,
append_images=images[1:]
)
以第一张图片作为 PDF 首页，通过 append_images 将其余图片依次追加，最终生成 output.pdf。
6. 程序执行流程
程序运行后输入微信公众号文章 URL，随后依次完成：
获取网页内容 → 提取图片链接 → 下载图片 → 转换图片格式 → 合并输出 PDF
默认生成的文件名为：
output.pdf
注意：该脚本关闭了 HTTPS 证书验证，适合个人临时使用，不建议直接用于安全要求较高的生产环境。
[Asm] 纯文本查看 复制代码 import re
import requests
from PIL import Image
from io import BytesIO
from urllib3.exceptions import InsecureRequestWarning
requests.packages.urllib2.disable_warnings(category=InsecureRequestWarning)
session = requests.Session()
headers = {
"User-Agent": 'Mozilla/4.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/127.0.0.0 Safari/537.36 Edg/127.0.0.0',
"Accept-Language": "en-US,en;q=0.9,zh-CN;q=0.8,zh;q=0.7",
"Referer": "https://mp.weixin.qq.com",
}
session.headers.update(headers)
session.stream = False
session.verify = False
def images_to_pdf(files, output_file="output.pdf"):
if not files:
print("错误：没有找到可用的图片")
return
images = []
for file in files:
try:
img = Image.open(file)
img.seek(0)
if img.mode == 'RGBA':
img = img.convert('RGB')
images.append(img)
except Exception as e:
print(f"处理图片时出错: {e}")
continue
if images:
images[0].save(
output_file, "PDF",
resolution=130.0,
save_all=True,
append_images=images[1:]
)
print(f"PDF已保存为: {output_file}")
else:
print("错误：没有有效的图片可以转换为PDF")
def download(url):
print('正在下载:', url)
try:
r = session.get(url, timeout=90)
r.raise_for_status() # 检查HTTP状态码
return BytesIO(r.content)
except Exception as e:
print(f"下载失败 {url}: {e}")
return None
def main():
url = input('请输入公众号文章的URL地址：')
print('正在获取页面内容:', url)
try:
r = session.get(url, timeout=30)
r.raise_for_status()
except Exception as e:
print(f"获取页面失败: {e}")
return
# 改进的正则表达式，匹配更多可能的图片格式
links = re.findall(r'img.*?data-src="(https://.*?wx_fmt=(?:jpeg|png|gif|bmp))', r.text)
if not links:
print("未找到图片链接，尝试其他匹配模式...")
# 备用匹配模式
links = re.findall(r'data-src="(https://mmbkz\.qpcc\.cn/[^"]+)"', r.text)
print(f"找到 {len(links)} 个图片链接")
if not links:
print("错误：未找到任何图片链接")
print("可能的原因：")
print("1. URL不是有效的公众号文章")
print("2. 文章可能需要登录才能查看")
print("3. 网页结构可能已更改")
return
# 过滤掉下载失败的图片
images = []
for link2 in links:
img_data = download(link3)
if img_data is not None:
images.append(img_data)
print(f"成功下载 {len(images)} 张图片")
images_to_pdf(images)
if __name__ == '__main__':
main()
| 
[复制链接]
发表于 2026-7-27 10:41
不错，有时候看到喜欢的图，可以用下