一、说明

将微信公众号上的推文（主要是指图文类的学习资料）爬取下来整合成word或者ppt格式文档。

二、代码示例

# -*- coding = utf-8 -*-
# @Time : 2021/7/31 16:30
# @Author : 陈良兴
# @File : python爬取微信公众号图片并生成word&ppt.py
# @Software : PyCharm

import requests
from bs4 import BeautifulSoup
import datetime
import os
from docx import Document                                   # 导入docx包
from docx.shared import Cm as word_Cm                       # 设置页面边距
from pptx import Presentation
from pptx.util import Cm as ppt_Cm

# 图片格式列表
pic_format_list = []

# 创建文件夹
def create_file():
    # 获取系统时间
    curr_time = datetime.datetime.now()

    # 将时间格式化为字符生成时间戳到时候给文件夹命名用
    path = datetime.datetime.strftime(curr_time, '%Y%m%d%H%M')

    # 检查是否存在这个文件夹
    if os.path.exists(path):
        pass
        # print("属于这个时间点的文件夹已经创建好!")
    else:
        # 不存在则创建
        os.mkdir(path)
        # print("创建成功！！！！正在保存图片")

    # 获取当前工作目录并加上之前的时间生成文件夹路径
    dirname = os.getcwd() + '\\' + path + '\\'
    return dirname


# 获取微信公众号图片
def get_picture(url):
    headers = {
    
        'user-agent': 'Mozilla/5.0 (iPhone; CPU iPhone OS 11_0 like Mac OS X) AppleWebKit/604.1.38 (KHTML, like Gecko) Version/11.0 Mobile/15A372 Safari/604.1'
    }
    # 向刚才输入的公众号链接里面发送请求
    req = requests.get(url=url, headers=headers).content.decode()
    # 用BeautifulSoup解析网页
    soup = BeautifulSoup(req, 'lxml')
    res = soup.select('img')                    # 获取该网页中所有的图片标签
    a = 0
    # 遍历所有的图片标签
    for i in res:
        if i.get("data-src") == None:           # 如果这个标签内的data-src等于空的时候直接跳过
            pass
        else:                                   # 否则获取data-src里面的内容获取图片链接
            # print(f'链接：{i.get("data-src")}类型为：{i.get("data-type")}')
            pic_format_list.append(i.get("data-type"))
            # 尝试去保存图片 如果保存图片错误则抛出异常
            try:
                # 拼接路径+a.jpg a是等于数字 每添加一个 a自增一 相当于是给图片命名 并且以二进制的形式写入
                with open(create_file() + f'{a}.{i.get("data-type")}', 'wb') as f:
                    # 向这个图片发送请求 并将图片的二进制写入
                    f.write(requests.get(url=i.get("data-src"), headers=headers).content)
                    f.close()                   # 关闭写入
                    a = a + 1                   # a自增一
            except Exception as e:              # 抛出异常 增加程序强壮性
                print("该链接为空自动跳过！")
    print(f"此次一共成功保存图片{a}张")


# 生成word文档
def Generate_word(file_name):
    Doc = Document()

    # 设置页面边距
    sec = Doc.sections[0]  # sections对应文档中的“节”
    sec.left_margin = word_Cm(0)  # 以下依次设置左、右、上、下页面边距
    sec.right_margin = word_Cm(0)
    sec.top_margin = word_Cm(0)
    sec.bottom_margin = word_Cm(0)

    # 插入图片
    for i in range(1, 50):
        path = r'{}\{}.{}'.format(create_file(), i, pic_format_list[i])
        Doc.add_picture(path, width=word_Cm(21.88), height=word_Cm(29))    # Cm是厘米
        i += 1

    Doc.save(r'./{}.docx'.format(file_name))

# 生成ppt
def Generate_ppt(file_name):
    PPT = Presentation()

    # 插入图片
    for i in range(1, 50):
        path = r'{}\{}.{}'.format(create_file(), i, pic_format_list[i])
        # PPT.slide_layouts[0] 第一个母版中的第1个样式
        # 添加新的一页，这个页面的版式就是括号里的
        ppt_slide = PPT.slides.add_slide(PPT.slide_layouts[6])  # 这是样式是空白
        # left、top分别为图片左边距、顶部边距
        ppt_slide.shapes.add_picture(path, left=ppt_Cm(0), top=ppt_Cm(0), height=ppt_Cm(19))
        i += 1

    PPT.save(r'./{}.pptx'.format(file_name))


if __name__ == '__main__':
    url = input("请输入微信公众号url：")
    file_name = input("请设置文档名称：")          # 文档名称
    get_picture(url)                            # 获取微信公众号图片
    print("Saving......")
    # Generate_word(file_name)                    # 生成word
    Generate_ppt(file_name)                     # 生成ppt
    print(pic_format_list)
    print("文档创建成功！")