weslywang / wereadscan

扫描“微信读书”已购图书并下载本地PDF的爬虫

WeReadScan

About

一个用于的将微信读书上的图书扫描转换本地PDF的爬虫库.

谈谈为何而开发

不得不说，“微信读书”是一个很好的平台。但是美中不足很明显，用户购买了图书资源，但是只能在“微信读书”的Application中阅读或者做一些文字批注╮(╯▽╰)╭，这些功能相较于购买的纸质书籍显然是不足的。比如，作者就习惯于用iPad的相关notebook类app做笔记，而“微信读书”并没有适配pencil做handwriting笔记的功能。

因此，既然“微信读书”没有提供，那只好自己解决了。于是，经过2天的开发，终于有了这个爬虫脚本，也可以开心地做手写笔记了o(￣▽￣)ブ

相关版本

在Sec-ant的建议下，参考了他的解决方案weread-scraper，将其中最重要的获取#preRenderContent的部分脚本进行整合，得到了WeReadScan-HTML版本，可以直接自动化获得多本图书的HTML，更加高效。

Get started

WeReadScan(原始版本)

pip install WeReadScan

WeReadScan-HTML(html-scrape version)

pip install WeReadScan-HTML

使用WeReadScan-HTML这个版本请访问 https://github.com/Algebra-FUN/WeReadScan/tree/html-variant

本项目需要使用selenium，需要对selenium具备基础的了解

Demo

话不多说，直接上代码

from selenium.webdriver import Chrome, ChromeOptions
from WeReadScan import WeRead

# 重要！为webdriver设置headless
chrome_options = ChromeOptions()
chrome_options.add_argument('--headless')
chrome_options.add_argument("--disable-blink-features=AutomationControlled")
chrome_options.add_argument('disable-infobars')
chrome_options.add_argument('log-level=3')

# 启动webdriver(--headless)
headless_driver = Chrome(options=chrome_options)

# debug 模式启动，可以保留png缓存
with WeRead(headless_driver,debug=True) as weread:
    # 重要！登陆
    weread.login()
    # 爬去指定url对应的图书资源并保存到当前文件夹
    weread.scan2pdf('https://weread.qq.com/web/reader/2c632ef071a486a92c60226')

扫描结果样例：

几点说明：

1. webdriver 需要 无头(headless) 模式启动
2. 只有登陆后，才能扫描完整的图书资源；若不登陆，也可以扫描部分无需解锁的部分

API Reference

WeRead

WeReadScan.WeRead(headless_driver)

微信读书网页代理，用于图书扫描

Args

• headless_driver: 设置了headless的Webdriver示例

Returns

• WeReadInstance

Usage

chrome_options = ChromeOptions()
chrome_options.add_argument('--headless')
headless_driver = Chrome(chrome_options=chrome_options)
weread = WeRead(headless_driver)

Login

WeReadScan.WeRead.login(wait_turns=15)

展示二维码以登陆微信读书

Args

• wait_turns: 登陆二维码等待扫描的等待轮数

Usage

weread.login()

Scan2pdf

WeReadScan.WeRead.scan2pdf(self, book_url, save_at='.', binary_threshold=95, quality=90, show_output=True,font_size_index=1)

扫面微信读书的书籍转换为PDF并保存本地

Args

参数名	类型	默认值	描述
book_url	str	必填	扫描目标书籍的URL
save_at	str	'.'	保存地址
binary_threshold	int	200	二值化处理的阈值
quality	int	100	扫描PDF的质量
show_output	bool	True	是否在该方法函数结束时展示生成的PDF文件
font_size_index	int	1	设置字号大小(对应微信读书字号)

Usage

weread.scan2pdf('https://weread.qq.com/web/reader/a57325c05c8ed3a57224187kc81322c012c81e728d9d180')

Disclaimer

• 本脚本仅限用于已购图书的爬取，用于私人学习目的，禁止用于商业目的和网上资源扩散，尊重微信读书方面的利益
• 若User使用该脚本用于不当的目的，责任由使用者承担，作者概不负责

Stargazers over time