全民阅读的时代已经来临，目前使用读书软件的用户数2.1亿，日活跃用户超过500万，其中19-35岁年轻用户占比超过60%，本科及以上学历用户占比高达80%，北上广深及其他省会城市/直辖市用户占比超过80%。
本人习惯使用微信读书，为了方便整理书籍和导出笔记，便开发了这个小工具。
部分截图
代码思路
1. 目录结构
首先，我们先看一下整体目录结构
- ├─ excel_func.py 读写excel文件
- ├─ pyqt_gui.py PyQt GUI界面
- └─ wereader.py 微信读书相关api
- excel_func.py
使用xlrd和xlwt库对excel文件进行读写操作
- pyqt_gui.py
使用PyQt绘制GUI界面
- wereader.py
通过抓包解析获得相关api
2. excel_func.py
- def write_excel_xls(path, sheet_name_list, value):
- # 新建一个工作簿
- workbook = xlwt.Workbook()
- # 获取需要写入数据的行数
- index = len(value)
- for sheet_name in sheet_name_list:
- # 在工作簿中新建一个表格
- sheet = workbook.add_sheet(sheet_name)
- # 往这个工作簿的表格中写入数据
- for i in range(0, index):
- for j in range(0, len(value[i])):
- sheet.write(i, j, value[i][j])
- # 保存工作簿
- workbook.save(path)
该函数的代码流程为:
- 创建excel文件
- 创建表格
- 往表格写入数据
3. pyqt_gui.py
- class MainWindow(QMainWindow):
- def __init__(self, *args, **kwargs):
- super().__init__(*args, **kwargs)
- self.DomainCookies = {}
- self.setWindowTitle('微信读书助手') # 设置窗口标题
- self.resize(900, 600) # 设置窗口大小
- self.setWindowFlags(Qt.WindowMinimizeButtonHint) # 禁止最大化按钮
- self.setFixedSize(self.width(), self.height()) # 禁止调整窗口大小
- url = 'https://weread.qq.com/#login' # 目标地址
- self.browser = QWebEngineView() # 实例化浏览器对象
- QWebEngineProfile.defaultProfile().cookieStore().deleteAllCookies() # 初次运行软件时删除所有cookies
- QWebEngineProfile.defaultProfile().cookieStore().cookieAdded.connect(self.onCookieAdd) # cookies增加时触发self.onCookieAdd()函数
- self.browser.loadFinished.connect(self.onLoadFinished) # 网页加载完毕时触发self.onLoadFinished()函数
- self.browser.load(QUrl(url)) # 加载网页
- self.setCentralWidget(self.browser) # 设置中心窗口
该函数的代码流程为:
- 新建QT窗口
- 实例化QWebEngineView对象
- 绑定self.onCookieAdd事件
- 绑定self.onLoadFinished事件
- 加载网页
- # 网页加载完毕事件
- def onLoadFinished(self):
- global USER_VID
- global HEADERS
- # 获取cookies
- cookies = ['{}={};'.format(key, value) for key,value in self.DomainCookies.items()]
- cookies = ' '.join(cookies)
- # 添加Cookie到header
- HEADERS.update(Cookie=cookies)
- # 判断是否成功登录微信读书
- if login_success(HEADERS):
- print('登录微信读书成功!')
- # 获取用户user_vid
- if 'wr_vid' in self.DomainCookies.keys():
- USER_VID = self.DomainCookies['wr_vid']
- print('用户id:{}'.format(USER_VID))
- # 关闭整个qt窗口
- self.close()
- else:
- print('请扫描二维码登录微信读书...')
该函数的代码流程为:
- 当网页加载完毕时，检测是否成功登录微信读书
- 如果成功登录微信读书，则关闭QT窗口，开始进行数据导出
- 如果失败登录微信读书，则继续等待用户扫描二维码
- # 添加cookies事件
- def onCookieAdd(self, cookie):
- if 'weread.qq.com' in cookie.domain():
- name = cookie.name().data().decode('utf-8')
- value = cookie.value().data().decode('utf-8')
- if name not in self.DomainCookies:
- self.DomainCookies.update({name: value})
该函数的代码流程为:
- 保存微信读书网址的cookies，以便后续操作
- books = get_bookshelf(USER_VID, HEADERS) # 获取书架上的书籍
- booksbooks_finish_read = books['finishReadBooks']
- booksbooks_recent_read = books['recentBooks']
- booksbooks_all = books['allBooks']
- write_excel_xls_append(data_dir + '我的书架.xls', '已读完的书籍', books_finish_read) # 追加写入excel文件
- write_excel_xls_append(data_dir + '我的书架.xls', '最近阅读的书籍', books_recent_read) # 追加写入excel文件
- write_excel_xls_append(data_dir + '我的书架.xls', '所有的书籍', books_all) # 追加写入excel文件
- # 获取书架上的每本书籍的笔记
- for index, book in enumerate(books_finish_read):
- bookbook_id = book[0]
- bookbook_name = book[1]
- notes = get_bookmarklist(book[0], HEADERS)
- with open(note_dir + book_name + '.txt', 'w') as f:
- f.write(notes)
- print('导出笔记 {} ({}/{})'.format(note_dir + book_name + '.txt', index+1, len(books_finish_read)))
该函数的代码流程为:
- 调用write_excel_xls_append函数，保存书籍，并且导出笔记
4. wereader.py
- def get_bookshelf(userVid, headers):
- """获取书架上所有书"""
- url = "https://i.weread.qq.com/shelf/friendCommon"
- params = dict(userViduserVid=userVid)
- r = requests.get(url, paramsparams=params, headersheaders=headers, verify=False)
- if r.ok:
- data = r.json()
- else:
- raise Exception(r.text)
- books_finish_read = set() # 已读完的书籍
- books_recent_read = set() # 最近阅读的书籍
- books_all = set() # 书架上的所有书籍
- for book in data['recentBooks']:
- if not book['bookId'].isdigit(): # 过滤公众号
- continue
- b = Book(book['bookId'], book['title'], book['author'], book['cover'], book['intro'], book['category'])
- books_recent_read.add(b)
- books_all = books_finish_read + books_recent_read
- return dict(finishReadBooks=books_finish_read, recentBooks=books_recent_read, allBooks=books_all)
该函数的代码流程为:
- 获取最近阅读的书籍、已经读完的书籍、所有书籍
- 过滤公众号部分
- 将书籍数据保存为字典格式
- def get_bookmarklist(bookId, headers):
- """获取某本书的笔记返回md文本"""
- url = "https://i.weread.qq.com/book/bookmarklist"
- params = dict(bookIdbookId=bookId)
- r = requests.get(url, paramsparams=params, headersheaders=headers, verify=False)
- if r.ok:
- data = r.json()
- # clipboard.copy(json.dumps(data, indent=4, sort_keys=True))
- else:
- raise Exception(r.text)
- chapters = {c['chapterUid']: c['title'] for c in data['chapters']}
- contents = defaultdict(list)
- for item in sorted(data['updated'], key=lambda x: x['chapterUid']):
- # for item in data['updated']:
- chapter = item['chapterUid']
- text = item['markText']
- create_time = item["createTime"]
- start = int(item['range'].split('-')[0])
- contents[chapter].append((start, text))
- chapters_map = {title: level for level, title in get_chapters(int(bookId), headers)}
- res = ''
- for c in sorted(chapters.keys()):
- title = chapters[c]
- res += '#' * chapters_map[title] + ' ' + title + '\n'
- for start, text in sorted(contents[c], key=lambda e: e[0]):
- res += '> ' + text.strip() + '\n\n'
- res += '\n'
- return res
该函数的代码流程为:
- 获取某一本书籍的笔记
- 将返回的字符串改写成markdown格式并输出
如何运行
- # 跳转到当前目录
- cd 目录名
- # 先卸载依赖库
- pip uninstall -y -r requirement.txt
- # 再重新安装依赖库
- pip install -r requirement.txt -i https://pypi.tuna.tsinghua.edu.cn/simple
- # 开始运行
- python pyqt_gui.py
补充
完整版源代码存放在github上，有需要的请点击这里下载
https://github.com/shengqiangzhang/examples-of-web-crawlers
