phantomjs + python 打造一个微信机器人
1.前奏
媳妇公司不能上网，但经常需要在公众号上找一些文章做一些参考，需要的时候就把文章链接分享给我，然后我在浏览器打开网页，一点点复制过来粘贴到word中，遇到图片更悲催，还得手动调整大小。是不是感觉自己的码农职称受到了挑战……，某一天看到一篇基于C#.NET的高端智能化网络爬虫（二）（攻破携程网），才发现了PhantomJS，由此解放了我复制粘贴的双手
2.介绍
PhantomJS
PhantomJS是一个基于webkit的JavaScript API。它使用QtWebKit作为它核心浏览器的功能，使用webkit来编译解释执行JavaScript代码。任何你可以在基于webkit浏览器做的事情，它都能做到。它不仅是个隐形的浏览器，提供了诸如CSS选择器、支持Web标准、DOM操作、JSON、HTML5、Canvas、SVG等，同时也提供了处理文件I/O的操作，从而使你可以向操作系统读写文件等。PhantomJS的用处可谓非常广泛，诸如网络监测、网页截屏、无需浏览器的 Web 测试、页面访问自动化等。。。
python
python当歌,人生几何。。。
itchat
itchat是一个开源的微信个人号接口，使用python调用微信从未如此简单。使用不到三十行的代码，你就可以完成一个能够处理所有信息的微信机器人。当然，该api的使用远不止一个机器人，更多的功能等着你来发现，比如这些。该接口与公众号接口itchatmp共享类似的操作方式，学习一次掌握两个工具。如今微信已经成为了个人社交的很大一部分，希望这个项目能够帮助你扩展你的个人的微信号、方便自己的生活。摘自官方文档
各种文档地址
PhantomJS官方地址：http://phantomjs.org/。
PhantomJS官方API：http://phantomjs.org/api/。
PhantomJS官方示例：http://phantomjs.org/examples/。
PhantomJS GitHub：https://github.com/ariya/phantomjs/。
python廖雪峰教程
图灵机器人
3.话不多说，代码为证
第一步利用PhantomJs将网页生成pdf的功能把需要的文章保存好
//创建webpage模块，用来请求并生成pdf
var page = require('webpage').create();
//创建system模块，用来获取外部传递的参数
var system = require('system');
//设置编码方式
phantom.outputEncoding = 'gb2312';
page.onError = function (msg, trace) {
console.log(msg);
var msgStack = ['PHANTOM ERROR: ' + msg];
if (trace && trace.length) {
msgStack.push('TRACE:');
trace.forEach(function (t) {
msgStack.push(' -> ' +
(t.file || t.sourceURL) + ': ' + t.line +
(t.function ? ' (in function ' + t.function + ')' : ''));
});
}
console.error(msgStack.join('\n'));
phantom.exit(1);
};
if (system.args.length == 1) {
console.log('请输入文章地址');
phantom.exit();
} else {
var url = system.args[1];
var filename = '';
if (system.args.length == 3) {
filename = system.args[2];
}
//地址检测
if (url.indexOf('http') == -1) {
url = 'http://' + url;
}
page.viewportSize = { width: 600, height: 20 };//设置图片大小 height自动适应
//===================pdf页面设置=====================
page.settings.userAgent = 'Mozilla/5.0 AppleWebKit/537.36 (KHTML, like Gecko) Chrome/33.0.1750.117 Safari/537.36';
page.zoomFactor = 1;//页面缩放比例
page.settings.loadImages = true;//页面加载图片
//format ：A4 纸，可以设置 "5in*7.5in", "10cm*20cm", "Letter" 等
//orientation ：纸方向是竖着的，或者 landscape
//margin ：与纸四边间距，可自定义，也可详细设置 margin : { left: ‘0.8cm‘, top : ‘0.8cm‘, right : ‘0.8cm‘, bottom : ‘0.8cm‘ }
//设置页面格式
//page.paperSize = { format: 'A4', orientation: 'portrait', margin: '0.8cm' };
//===================pdf页面设置=====================
page.open(url, function (status) {//加载页面
console.log('抓取结果:' + status);
//利用page的evaluate获取网页的title
var title = page.evaluate(function () {
return document.title;
});
//去除特殊字符
var title = title
.replace('|', '').replace('\\', '').replace('/', '').replace(':', '').replace('*', '')
.replace('?', '').replace('"', '').replace('<', '').replace('>', '');
filename = filename.length > 0 ? filename : title;
var wait = 200;
//是否是微信地址
if (url.indexOf("mp.weixin.qq.com") > -1) {
//设置5秒是等待微信中图片完全加载出来，具体可调整
wait = 5000;
//加载微信图片
//includeJs 侧重网络js文件，尤其在引入jQuery等第三方库
//injectJs 侧重本地的js文件，与libraryPath挂购
page.injectJs('replaceimage.js', function () {
var titlexx = page.evaluate(function () {
return document.title;
});
});
console.log(title);
console.log('等待5秒生成pdf');
}
//等待页面执行完js后在进行生成
window.setTimeout(function () {
page.render(filename + '.pdf');
console.log('pdf生成成功:' + title);
phantom.exit();
}, wait);
});
}
由于微信页面对请求refer有限制，页面中的图片是展现不出来的，replaceimage.js是将微信页面中的图片加载出来
window.onload = function change() {
var metas = document.getElementsByTagName('meta');
metas[0].insertAdjacentHTML('beforeBegin', "<meta name='referrer' content='never'>");
var body = document.getElementById("activity-detail");
//图片请求设置cookie
body.insertAdjacentHTML("beforeBegin", "<image style='display: none' src='http://mmbiz.qpic.cn/mmbiz_png/pmBoItic0ByggW4X5ACKS5rfIfB1VM7RIic0TA9no7a0pRFHLcBibJX8VAyxUw756hHibQccolNUjRbKviaT3QzpwJA/0?wx_fmt=png' alt='bg'/>");
//替换img图片链接
var imglist = body.getElementsByTagName('IMG')
for (i = 0; i < imglist.length; i++) {
if (imglist[i].getAttribute('src')!=null && imglist[i].getAttribute('src').length > 0 && imglist[i].getAttribute('src').indexOf("mmbiz.qpic.cn") > -1) {
imglist[i].setAttribute('src', "http://read.html5.qq.com/image?src=forum&q=5&r=0&imgflag=7&imageUrl=" + imglist[i].getAttribute('src'));
}
if (imglist[i].getAttribute('data-src')!=null && imglist[i].getAttribute('data-src').length > 0 && imglist[i].getAttribute('data-src').indexOf("mmbiz.qpic.cn") > -1) {
imglist[i].setAttribute('src', "http://read.html5.qq.com/image?src=forum&q=5&r=0&imgflag=7&imageUrl=" + imglist[i].getAttribute('data-src'));
}
if (imglist[i].getAttribute('data-s')!=null && imglist[i].getAttribute('data-s').length > 0) {
var w=imglist[i].getAttribute('data-s').split(",")[0];
var h=imglist[i].getAttribute('data-s').split(",")[1];
imglist[i].setAttribute('width',h);
imglist[i].setAttribute('height',w);
}
}
//替换背景图片
var sectionlist = document.querySelectorAll('section')
for (j = 0; j < sectionlist.length; j++) {
var newhtml = sectionlist[j].style.backgroundImage.replace("http://mmbiz.qpic.cn", "http://read.html5.qq.com/image?src=forum&q=5&r=0&imgflag=7&imageUrl=http://mmbiz.qpic.cn");
sectionlist[j].style.backgroundImage = newhtml;
}
}
执行命令,phantomjs xx.js "http://mp.weixin.qq.com/s/zFdPBDJcGsTbQgKGogLzyw"
第二步利用Python结合itchat接收消息，调用phantomjs生成pdf
#-*-coding:utf-8-*-
import itchat,time
from itchat.content import *
import requests,json,sys
import hashlib
import HTMLParser
import re
import os
from sys import argv
#接收文本消息，提取网址
@itchat.msg_register([TEXT])
def text_reply(msg):
# 将正则表达式编译成Pattern对象
pattern = re.compile(r"http[s]?://(?:[a-zA-Z]|[0-9]|[$-_@.&+]|[!*,]|(?:%[0-9a-fA-F][0-9a-fA-F]))+", re.IGNORECASE)
# 使用Pattern匹配文本，获得匹配结果，无法匹配时将返回None
match = pattern.match(msg['Text'])
if match:
# 使用Match获得分组信息
print match.group()
filename=int(time.time())
urltopdf(msg['FromUserName'],match.group(),str(filename))
#获取分享的文章地址
@itchat.msg_register([SHARING])
def sharingtopdf(msg):
filename=u''+'"'+msg['Text']+'"'
urltopdf(msg['FromUserName'],msg['Url'],filename)
@itchat.msg_register(PICTURE,RECORDING,ATTACHMENT,VIDEO)
def download_files(msg):
msg['Text'](msg['FileName'])
return '@%s@%s' % ({'Picture': 'img', 'Video': 'vid'}.get(msg['Type'], 'fil'), msg['FileName'])
@itchat.msg_register(FRIENDS)
def add_friend(msg):
itchat.add_friend(**msg['Text'])
itchat.send_msg('Nice to meet you!',msg['RecommentInfo']['UserName'])
@itchat.msg_register(TEXT,isGroupChat=True)
def text_reply(msg):
if msg['isAt']:
itchat.send(u'@%s\u2005I received: %s' % (msg['ActualNickName'], msg['Content']), msg['FromUserName'])
def urltopdf(touser,url,filename):
#切换到phantomjs目录
os.chdir('D:\sourcecode\htmlsource\phantomjs')
#文件名
filename= filename.replace('|', '').replace('\\', '').replace('/', '').replace(':', '').replace('*', '').replace('?', '').replace('"', '').replace('<', '').replace('>', '')
itchat.send(u'正在生成pdf,请稍等',touser)
#解码url
html_parser = HTMLParser.HTMLParser()
article_url = html_parser.unescape(url)
#执行
#python中文编码问题解决方式
cmd_method="phantomjs loadpage.js %s %s" % ('"'+url+'"',filename)
os.system(cmd_method.encode('gb2312'))
#发送
all_file_path="D:\\sourcecode\\htmlsource\\phantomjs\\%s.pdf" % (filename)
#py2.7版本需要下载fields.py 并覆盖
#安装目录下 requests\packages\urllib3
itchat.send_file(all_file_path,touser)
itchat.auto_login(enableCmdQR=True,hotReload=True)
itchat.run()