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 WeReadScanWeReadScan-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：
- webdriver 需要
无头(headless)模式启动 - 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
