# weread-book-exporter (WANGXIN-567/weread-book-exporter)

> A Python tool that saves the full text of books you own on the WeRead web reader and exports them as a typeset PDF, an EPUB, or Markdown notes, with illustrations kept in place.

- GitHub: https://github.com/WANGXIN-567/weread-book-exporter
- GitHub.Locker page: https://github.locker/WANGXIN-567/weread-book-exporter
- Stars: 401
- Language: Python
- License: MIT
- Last push: 2026-11-01

## Questions and answers

Written by GitHub.Locker from the README and the repository; check the README below for details.

**Which formats do I get, and where do they fit?**

A typeset PDF for iPad annotation, computer reading and printing, an EPUB for Apple Books or Kindle, and plain or styled Markdown for Obsidian and Notion.

**How do I run it?**

Install the dependencies, paste the full WeRead web link of the book into the script, and let it run. On the first run a browser window opens so you can scan the WeChat QR code once. Results are saved to the output/ folder.

**Do I need to install a browser?**

Usually not: the script uses the Microsoft Edge or Google Chrome already on your computer. If neither is installed, run 'playwright install chromium' to download one. Python is required.

**Will a big book take forever to export?**

Probably a long time, by design. Page turns wait a random 8 to 20 seconds, and the script pauses for 1 to 2 minutes every 10 to 20 pages to avoid hammering the server.

**Does it keep chapters, quotes and pictures?**

Yes. It detects chapter titles, quotes and key paragraphs, and bold subheadings, then embeds all the original high-resolution illustrations in reading order.

**How does it avoid losing text at page breaks?**

It switches the reader to two-column horizontal paging, captures the Canvas drawing commands and column coordinates, and rebuilds each page's text stream in order, so text is not skipped or repeated across pages.

**What does the Markdown output look like?**

There is a plain version where quotes become > blockquotes, and a styled version with tags. Both are meant for search and note-taking in Obsidian or Notion.


---

## README (checked against GitHub 2026-11-07)

Source: https://github.com/WANGXIN-567/weread-book-exporter/blob/main/README.md

# 📚 WeRead Book Exporter (`weread-book-exporter`)

[![Python 3.9+](https://img.shields.io/badge/Python-3.9%2B-blue.svg)](https://www.python.org/)
[![Playwright](https://img.shields.io/badge/Engine-Playwright-2EAD33.svg)](https://playwright.dev/)
[![License: MIT](https://img.shields.io/badge/License-MIT-yellow.svg)](LICENSE)

将微信读书 Web 端已购或会员书籍**无损抓取全书全文**，并一键导出为 **精排 PDF**、**标准 EPUB** 以及 **纯 Markdown 笔记（适配 Obsidian / Notion）**。

自动保留原书的**目录结构、标题层级、引文/重点段落样式与高清插图**，提供舒适的大字号双字体排版，方便个人深度学习、全文检索与知识库归档。

<p align="center">
  <img src="assets/preview.png" alt="WeRead Book Exporter 排版预览" width="100%">
</p>

---

## ✨ 核心特性

### 1. 100% 全书完整抓取（攻克网页端翻页漏字问题）
许多传统的微信读书抓取脚本在默认的上下滚动模式下运行，受限于网页端超长虚拟滚动容器的分片机制，翻页时极易跳过章节下半部分内容。
- **自动双栏翻页模式**：自动检测并切换至水平双栏模式，逐页完整遍历全书；
- **精准页面重组**：在底层捕获 Canvas 绘制指令与分栏坐标，精准还原每一页的文本流与段落顺序，杜绝跨页丢字、重复或错乱。

### 2. 原生级层次还原与断句修复
- **多级样式识别**：根据画布渲染的字号与字重，自动区分**章节标题、独立引文/核心段落、加粗小标题与普通正文**；
- **智能断句拼接**：自动修复因页面折行、翻页或插图穿插导致的句子中断，生成连贯自然的自然段；
- **插图自动下载**：自动提取并下载原书全部高清配图，按阅读顺序内嵌至对应位置。

### 3. 一键导出三大常用格式
| 导出格式 | 适用场景 | 特性说明 |
| :--- | :--- | :--- |
| **精排 PDF (`.pdf`)** | iPad 批注、电脑阅读、打印 | **苹方正文 + 楷体引文**大字号排版，内置封面、可点击目录页、PDF 侧边栏书签大纲 (Outline) 与页码 |
| **标准 EPUB (`.epub`)** | Apple Books / Kindle / 阅读器 | 内嵌多字体排版样式、完整目录导航树与原书高清插图 |
| **Markdown (`.md`)** | Obsidian / Notion / 个人知识库 | 提供**纯 Markdown 版**（引文自动转为 `>` 引用块）与**带样式标签版**，方便检索与做笔记 |

### 4. 温和抓取与防频控机制
- **随机波动翻页**：翻页间隔延长至 8～20 秒动态随机等待，告别机械固定的秒级请求；
- **分段长停顿保护**：每抓取 10～20 页自动触发 1～2 分钟长停顿，大幅降低服务端接口压力，确保大体量长篇书籍能够稳定平滑跑完全程。

---

## 🚀 快速开始

### 1. 安装依赖（国内极速安装，仅需几秒）

```bash
# 克隆仓库
git clone https://github.com/WANGXIN-567/weread-book-exporter.git
cd weread-book-exporter

# 使用国内高速镜像安装依赖（推荐腾讯云或阿里云，稳定不报 403）
pip install -r requirements.txt -i https://mirrors.cloud.tencent.com/pypi/simple/
# 备用阿里云镜像：
# pip install -r requirements.txt -i https://mirrors.aliyun.com/pypi/simple/
```

> ⚡ **免下载 200MB 浏览器**：代码内置了智能浏览器检测，会自动直接调用电脑自带的 **Microsoft Edge** 或 **Google Chrome**；如果系统未安装上述浏览器，可执行 `playwright install chromium` 补充下载。

### 2. 一键抓取并导出全格式电子书（核心推荐）

直接复制微信读书网页版的完整链接（支持任意已购/会员书籍）：

```bash
# 直接粘贴整条网页链接（或书籍 ID 均可）：
python main.py https://weread.qq.com/web/reader/3b132980813ab94eeg013129
```

> **提示**：
> - 首次运行时会自动弹出浏览器窗口，使用微信扫码登录一次即可。
> - 脚本会自动完成「全书章节遍历 ➔ 原版高清封面下载 ➔ 插图下载 ➔ 精排 PDF 渲染 ➔ 双字体 EPUB 导出 ➔ Markdown 笔记生成」全流程！
> - 所有文件最终保存在 `output/` 目录下。

*(高级用法：如需分步运行，也可单独执行 `python crawl_weread.py <链接或ID>` 与 `python export_book.py <链接或ID>`)*

---

## 🛠️ 工作流程

```mermaid
flowchart LR
    A["微信读书网页版\n(自动切换双栏翻页)"] --> B["底层文本与插图捕获\n逐页提取字号/字重/坐标"]
    B --> C["段落重组与清洗\n合并跨行断句 & 去重"]
    C --> D["多格式导出引擎\nPDF / EPUB / Markdown"]
```

---

## ⚠️ 免责声明 (Disclaimer)

1. 本工具仅用于个人学习、读书笔记整理与前端渲染技术研究。
2. 请支持正版阅读，仅对您个人合法拥有阅读权限的书籍使用本工具，导出的文件请勿用于任何商业用途或公开传播。
3. 本仓库仅包含通用转换脚本，不包含任何受版权保护的书籍内容或个人登录信息。

---

如果这个工具对你的阅读与笔记整理有帮助，欢迎点亮一颗 **Star ⭐** 支持！