weread-exporter

微信读书网页版为了防抓取，采用 Canvas 而非 DOM 节点渲染文字，导致传统复制粘贴失效。weread-exporter 是一款专为解决此难题设计的开源工具。它通过 Playwright 自动化浏览器，结合创新的 Canvas fillText Hook 技术，拦截底层绘图指令，将像素级的字符坐标重新重组为可读、可搜索、可编辑的 Markdown 文档，助你轻松构建个人数字图书馆。

核心亮点：突破渲染限制，完美还原文本

1. Canvas Hook 技术

• 底层拦截：在页面 JS 执行前注入钩子，直接拦截 CanvasRenderingContext2D.fillText() 调用，捕获每一个字符及其精确的 (x, y) 坐标。
• 非 OCR 方案：相比传统截图 OCR，此方法无损、极速且准确率 100%，彻底避免识别错误。

2. 智能双页拆分与文本重建

• 双页分离：针对微信读书“当前页+下一页预渲染”的特性，通过检测 Y 坐标重置点，自动将混合字符流拆分为独立页面。
• 坐标重组：依据坐标信息将离散字符重组为行与段落，自动合并断行，还原自然阅读体验。
• 格式清理：智能处理标点与空格，输出整洁的 Markdown 格式。

3. 会话持久化，免重复登录

• 扫码一次，长期有效：首次运行弹出浏览器扫码登录，会话自动保存在 cache/browser_profile/。
• 自动复用：后续导出无需再次扫码，极大提升批量处理效率。

4. 结构化输出

• 元数据完整：自动生成 meta.json，包含书名、作者、章节列表等。
• 灵活存储：支持按章节独立存储 Markdown，或合并为单本全本文件；可选保存原始 Canvas 坐标数据用于调试。

快速开始

1. 环境准备

pip install playwright
playwright install chromium

2. 使用示例

基础导出：

# 传入书籍 URL
python weread_export.py https://weread.qq.com/web/bookDetail/dd6324f0813ab9f97g019a24

# 或直接传 book_id
python weread_export.py dd6324f0813ab9f97g019a24

高级选项：

# 指定输出目录
python weread_export.py <book_id> -o ./my_library

# 不保存原始 Canvas 数据（节省空间）
python weread_export.py <book_id> --no-raw

工作流程

1. 登录与初始化：启动 Chromium，加载缓存会话（或扫码登录），获取书籍元数据。
2. 逐章处理：打开阅读器页面，注入 Canvas Hook。
3. 数据采集：自动翻页，收集每一页的 fillText 数据。
4. 数据处理：双页拆分 → 坐标排序 → 文本重组 → 段落格式化。
5. 文件输出：生成章节 Markdown 及全本合并文件。

限制与注意事项

• 账号权限：需要有效的微信读书账号，且拥有目标书籍的阅读权限（无限卡或已购买）。
• 平台限制：部分出版社禁止网页端阅读（提示“去 App 阅读”）的书籍无法导出。
• 导出速度：受限于模拟翻页等待时间，平均约 20-30 秒/章。
• 法律合规：请仅用于个人学习、笔记整理及备份，尊重版权，严禁用于商业传播。