用 Python 将微信热文转换成Word文档 | 神级操作

Section常常会出现套叠的情况，即便是里面有字体颜色大小的指示，我还是以span指示的颜色为准。那么如何正确处理section便是一个难题。

<sectionstyle="font-family: -apple-system-font, BlinkMacSystemFont, &quot;HelveticaNeue&quot;, &quot;PingFang SC&quot;, &quot;Hiragino SansGB&quot;, &quot;Microsoft YaHei UI&quot;, &quot;MicrosoftYaHei&quot;, Arial, sans-serif;letter-spacing: 0.544px;white-space:normal;background-color: rgb(255, 255, 255);line-height: 1.5em;margin-left:0px;margin-right: 0px;">
        <span style="color: rgb(136,136, 136);font-family: helvetica;font-size: 14px;font-weight:700;letter-spacing: 1px;text-align: left;text-indent: 28px;widows: 1;">▲span>
        <span style="color: rgb(136,136, 136);font-family: helvetica;font-size: 14px;font-weight:700;letter-spacing: 1px;text-align: left;text-indent: 28px;widows: 1;">俄总统网站声明截图span>section>

上面的section中出现了span，所以思路来了，遍历section中的标签，如果出现span和stong，直接按段落处理

def section(self,label):
    for i in label:
        if i.name=='p':
            self.para(i)
        elif i.name in ['span','strong']:
            self.para(label)
            return 0
        elif i.name=='section':
            self.section(i)
        elif i.name in ['ul','ol']:
            self.ul2(i)
        elif i.name=='img':
            self.img(i)
        elif i.name in ['br','svg','center']:
            pass
        elif i.name=='blockquote':
            self.blockquote(i)
        elif i.name=='pre':
            self.pre(label)
        else:
            print('section中：%s:%s'%(i.name,str(i)))

最后else表示没有这个标签的处理函数，就提示这个标签的位置，以及名称，所含内容

mmbiz.qpic.cn/mmbiz_jpg/qkQTRn2Z9NwC8nNHScsBAFeOFtHHb95ftWKOZve0QJMqJPFtoicdYO8uTWom8fBdG07icCKDo0FoyNjHUyoBibI2g/640?wx_fmt=jpeg"style="text-align: center;width: 660.994px;box-sizing: border-box!important;visibility: visible !important;" />
<imgdata-ratio="1.345"src=""color: rgb(249, 38, 114);">mmbiz.qpic.cn/mmbiz_gif/wlCrBZoK8HF5AE2ibhItnFJgoIQBcJhTzO438azQniaRJRYNFk0CzlORnm0g1hG7HX3bhXAIC1J4E2XGb1WKA4qA/640?wx_fmt=gif"data-type="gif" data-w="200" style="vertical-align:middle;box-sizing: border-box;" />

我们发现data-w是设定图片的宽度，当图片过大的时候，需要将图片宽度设定好。Img处理函数如下

def img(self, label):
    src = label.attrs['src']
    da_s = label.attrs.get('data-s')
    data_type = label.attrs.get('data-type')
    data_w = label.attrs.get('data-w')
    self.img_num += 1
    a = urlopen(src)
    b = a.read()
    path = io.BytesIO(b)
    if da_s:
        num = re.findall('\d+', da_s)
        h = int(num[0]) // 75
        w = int(num[1]) // 75
        if w > 6:
            self.doc.add_picture(path, width=Inches(6))
        else:
            self.doc.add_picture(path, width=Inches(w), height=Inches(h))
    elif data_w:
        data_w = int(data_w)
        if data_w < 75:
            # 标签太小，直接忽略
            print('忽略太小图片%d.%s' % (self.img_num, data_type))
        elif data_w > 450:
            self.doc.add_picture(path, width=Inches(6))
        else:
            self.doc.add_picture(path, width=Inches(data_w / 75))
    else:
        self.doc.add_picture(path, width=Inches(6))
    print("图片%d打入成功!" % (self.img_num - 1))

transit方法

最后我们编写transit方法

def transit(self, label, p, RGB, bold):
    "本函数提供label的中转方案 其中br由中转方案解决"
    if label.name == 'span':
        self.span(label, p,RGB,bold)
    elif label.name == None:
        self.text(label, p,RGB,bold)
    elif label.name in ['strong','em']:
        self.strong(label, p,RGB,bold)
    elif label.name=='section':
        self.section(label)
    elif label.name =='p':
        self.para2(label,p,RGB,bold)
    elif label.name == 'img':
        self.img(label)
    elif label.name in ['br','svg','mpcpc','center']:
        pass
    elif label.name == 'a':
        self.link(label, p,RGB,bold)
    elif label.name == 'iframe':
        self.iframe(label, p)
    elif label.name == 'blockquote':
        self.blockquote(label)
    elif label.name == 'ul':
        self.ul(label, p)
    elif label.name=='pre':
        self.pre(label)
    else:
        print('p中:%s %s'%(str(label.name),str(label.text)))
        t = label.text
        if len(t) < 2:
            return 0
        r = p.add_run(t)
        r.font.bold = bold
        r.font.color.rgb = RGBColor(RGB[0], RGB[1], RGB[2])

transit函数要处理一个标签，如果已经编写好了这个标签方法，那么将这个标签交给对应的标签方法处理，如果没有，就提示这个标签的位置，以及名称，所含内容

main 核心处理

最后我们当然是处理并且转换成文档啦，加入文章标题，发布者，和内容，直接发完整代码吧，如下：

def main(self) -> None:
    hd = Request(self.url, headers=qingqiu)
    a = urlopen(hd)
    b = a.read()
    bb = b.decode('UTF-8')
    bs = BeautifulSoup(bb, 'lxml')
    h2 = bs.find('h2', {'class': "rich_media_title"})
    title = guolv(h2.text)
    self.head(title, 2, 18)
    pingtai = bs.find('strong', {'class': "profile_nickname"})
    PMV=bs.findAll('span',{'class':'profile_meta_value'})
    p = self.doc.add_paragraph()
    r = p.add_run('%s' % pingtai.text)
    r.font.bold = True
    r.font.color.rgb = RGBColor(0, 191, 255)
    r.font.size = Pt(12)
    r=p.add_run('(%s: %s)'%(PMV[0].text,PMV[1].text))
    r.font.size = Pt(9)

    wb = bs.find('div', {'class': "rich_media_content"})
    for i in wb:
        if i.name =='p':
            self.para(i)
        elif i.name=='section':
            self.section(i)
        elif i.name == 'blockquote':
            self.blockquote(i)
        elif i.name == 'table':
            self.table(i)
        elif i.name in[None,'center','hr']:
            pass
        elif i.name in ['h1', 'h2', 'h3','h4']:
            self.head(i.text, int(i.name[1]) + 1)
        elif i.name in ['ul','ol']:
            self.ul2(i)
        elif i.name == 'pre':
            self.pre(i)
        else:
            print("%s"%str(i))
    self.save_docx(title)
    wz_pa=join(self.path,title+'.docx')
    print('文档保存成功！保存路径：%s'%wz_pa)
    self.ok=False
    print(wz_pa)

3、实战测试

运行后输入微信url，结果如下：

保存下来的Word文档如下：

4、其他标签的处理说明

刚刚我们仅仅是编写了section，span，p，strong等标签，就可以对付一个简单的文章，但是实际上还有其他的标签，仅仅是这篇文章没出现而已。所以为了让这程序越来越好，我们需要添加一些标签处理的方法。

标签

Blockquote代表着引用，比如文章引用的哪句话，抄了哪些文献的句子，都用这个标签。为了和正文区别，我将字体大小设置为9默认颜色(100,100,100)

def blockquote(self, label):
    "定义一个摘自另一个源的块引用"
    p = self.doc.add_paragraph('')
    p.style.font.size = Pt(9)
    for i in label:
        self.transit(i,p,(100,100,100),False)