我是怎么保存公众号历史文章合集到本地的？当然是用python了！

本文授权转载自：小痴印记

不知道你有没有这样的经历。

偶然间，关注了一个自己特别感兴趣的公众号，感觉就像是挖到了一个宝藏。于是，我们就想翻一翻宝藏里都有什么。

但是，如果你想看到宝藏最开始的内容，你不得不翻山越岭，刷到公众号的历史起点。这还不算什么，等你下次想要接着看下一篇时，不得不重蹈覆辙。

那么，我们有什么办法解决一下这个问题呢？

用万能的python写个脚本，我们就可以把公众号历史所有的文章批量的保存为本地的PDF，这样，就可以根据标题和日期来看自己喜欢的文章啦！

核心内容：

1 抓包工具Fiddler的配置及其使用

2 python获取公众号全部历史文章url地址

3 把url转化为PDF

4 获取单个文章的方法

1 抓包工具Fiddler的配置及使用

1）工作原理

客户端和服务器之间建立一个代理服务器，监听本机发出的请求和服务器返回的响应结果。

浏览器与服务器之间通过建立TCP连接以HTTP协议进行通信，浏览器默认通过自己发送HTTP请求到服务器。 

而Fiddler是c#开发（微软出品，主要作者Eric Lawrence）的http代理服务器，fiddler工作于七层中的应用层，能够捕获到通过的http(s)请求。

2）下载地址

这是官网：http://www./fiddler

你也可以在公众号【小痴印记】后台，回复关键字“Fiddler抓包”直接获取。

3）配置https

默认情况下，Fiddler是不会捕获HTTPS会话的，初次使用时，需要下载安全证书，并配置。

具体步骤：

依次点击“Tools-Options-Https”，进行如下图的配置，“Actions-Trust root”是下载安全证书的。

4）设置局域网ip和端口号

Fiddler的运行机制其实就是本机上监听 8888 端口的 HTTP 代理。

Fiddler 启动的时候默认 IE 的代理设为了127.0.0.1:8888，而其他浏览器是需要手动设置的，所以将 Chrome 浏览器的代理改为127.0.0.1:8888 就可以监听数据了。

具体操作步骤，见第一篇参考文章：

https://blog.csdn.net/jingjingshizhu/article/details/80566191

注意：运行爬虫程序时，要关闭Fidder客户端

2 python源码分析

1）打开微信客户端，

点开某一个公众号的历史文章界面

以我的公众号为例，如图。

2）打开Fiddler，监听url

通过对比，前后两个url，可以发现，只是offset这个参数有所改变。

一些重要的关键字段：

__biz : 用户和公众号之间的唯一id

uin ：用户的私密id

key ：请求的秘钥，一段时候只会就会失效

offset ：偏移量

        

图的右下角，我们可以看到返回的数据类型，及其格式。

     

      

好啦，接下来，我们可以获取一页内容看看啦。

看看，reponse_dict的内容。

根据上图的json字符串，我们要做的是把title、content_url、datetime提取出来。

见下图。

至此，我们成功的获取到了标题、时间、内容url等信息。

只有在最后一篇文章时，can_msg_continue=0，其余所有文章都是1。

因此，获取公众号历史文章全部内容，可以加一个死循环，当判断为最后一篇文章时，直接break，结束循环。

完整代码：