简介：这是一套面向Python初学者与爬虫爱好者的微信读书数据导出工具，解决个人学习场景下书籍列表与阅读笔记难以批量保存的问题。资源包共8个文件，含3个核心Python脚本（GUI界面、主爬虫逻辑、Excel处理）、2个文本配置文件、2张界面演示图及1份Markdown说明文档，整体仅277KB，轻量易部署。已有2168人下载学习，适合希望快速上手网页数据抓取、理解登录模拟与API逆向分析的实践者。读者可直接运行pyqt_gui.py启动图形化界面，通过内置流程完成微信读书账号登录、书架拉取、笔记提取及Excel一键导出；配套requirement.txt确保依赖环境可复现，README详述调试要点与法律声明，强调仅限学习交流使用。
1. 项目缘起：为什么我们需要一个自己的“书库”？
作为一个重度阅读爱好者，我几乎把所有的碎片时间都泡在了微信读书上。它确实方便，书多，社区氛围也好，划线、写想法、看别人的批注，体验很流畅。但时间一长，问题就来了：我辛辛苦苦划下的几百条笔记、写下的几十条想法，全都“寄存”在微信读书的服务器里。哪天我想离线整理、想用其他笔记软件做深度关联、或者单纯就是想备份一份属于自己的数据时，就发现非常被动。平台提供的导出功能往往有限，要么格式单一，要么一次只能导出一本书，对于我这种笔记大户来说，效率太低。
更现实的一个场景是，很多书是有版权期限的，或者你读的是“无限卡”免费读的书，一旦下架或者你的会员到期，这些笔记就可能再也看不到了。那种感觉就像自己盖的房子，钥匙却在别人手里。所以，自己动手，把数据拿回来，建立一个本地备份，甚至是一个可以随时检索、编辑的个人知识库，就成了一个很实际的需求。这就是我动手写这个爬虫脚本最直接的动机：拿回数据的自主权。
市面上有一些现成的工具或者浏览器插件，但要么已经失效（微信读书前端改个版可能就用不了了），要么功能不符合我的需求（比如我只想导出笔记，它却把整本书都下载了）。所以，最好的办法就是自己写。用Python爬虫来实现，灵活、可控，而且整个过程本身就是一次非常好的学习实践，你能彻底搞清楚微信读书的数据接口、认证机制以及如何优雅地处理反爬策略。今天，我就把这个经过多次迭代、相对稳定的一键导出脚本的实现思路、核心代码以及我踩过的所有坑，毫无保留地分享出来。
2. 核心思路拆解：我们到底在“爬”什么？
在动手写代码之前，我们必须先想明白，我们要从微信读书获取什么，以及它可能以什么形式提供。盲目地去抓取网页HTML是效率最低、也最容易被反爬虫机制拦截的方式。正确的方法是：模拟真实用户操作，直接请求其背后为手机App或网页端提供数据的JSON API接口。
通过浏览器开发者工具（F12）的“网络”（Network）选项卡，我们在微信读书网页版进行操作（比如翻到某本书的笔记页面），可以清晰地看到一系列XHR（Fetch）请求。我们的目标就在这些请求里。经过分析，整个导出流程可以分解为以下几个核心环节：
- 身份认证：如何让服务器认为我们是合法的用户？这通常依赖于
Cookie。我们需要先登录微信读书网页版，从浏览器中提取出关键的Cookie信息。 - 获取书籍列表：我们得知道自己的书架上有哪些书。有一个接口可以返回用户所有的图书列表，包含每本书的唯一ID（
bookId）、书名、作者等信息。 - 获取单本书籍的笔记：这是最核心的一步。根据
bookId，请求获取这本书下所有用户自己的划线（笔记）和想法（评论）。这个接口会返回一个结构化的JSON数据，包含了笔记所在的章节、文本内容、创建时间、位置等信息。 - 数据解析与存储：将获取到的JSON数据，解析成我们想要的格式，比如纯文本、Markdown或者CSV，然后保存到本地文件。
整个脚本的骨架就是围绕这四个步骤搭建的。下面，我们就一步步来看具体怎么实现，以及每个环节有哪些需要特别注意的“坑”。
3. 环境准备与核心工具选型
工欲善其事，必先利其器。这个项目对Python环境的要求并不高，核心是几个非常常用的库。
3.1 Python与库安装
建议使用Python 3.7及以上版本。我们需要安装的库主要有三个：
requests：用于发送HTTP请求，这是爬虫的基石。它比Python自带的urllib更简洁易用。json：Python标准库，用于解析和生成JSON数据。time：用于在请求间添加延时，避免请求过快被服务器限制。
安装命令非常简单：
pip install requests其他两个是标准库，无需安装。
这里为什么不选用更“重型”的框架如Scrapy？因为我们的目标很明确，就是针对微信读书这一个特定站点的几个特定API。Scrapy更适合构建大规模、复杂的爬虫项目，用它来抓几个API接口，有点杀鸡用牛刀，还会引入不必要的复杂度。requests库轻量、直接，完全够用。
3.2 获取身份凭证（Cookie）
这是整个流程的钥匙，也是最容易出错的一步。微信读书目前主要依靠Cookie来维持登录状态。
操作步骤：
- 用Chrome、Edge或Firefox浏览器打开 微信读书网页版 。
- 使用微信扫码登录。
- 登录成功后，按
F12打开开发者工具，切换到Network（网络）选项卡。 - 刷新页面，在网络请求列表中，找到任何一个指向
weread.qq.com域名的请求（比如第一个document请求或任何一个api请求）。 - 点击该请求，在右侧的
Headers（标头）标签页中，向下找到Request Headers（请求头）部分。 - 在其中找到
Cookie这一行，后面那一长串字符串就是我们需要的东西。把它完整地复制下来。
重要提示：Cookie是个人隐私，包含了你的登录会话信息。千万不要将你的真实Cookie分享给他人或上传到公开的代码仓库（如GitHub）。我们后续在代码中会将其保存在本地的配置文件或环境变量中。
Cookie的格式：它看起来像wr_vid=xxx; wr_skey=yyy; wr_rid=zzz; ...这样。我们需要的是整个字符串。
4. 核心代码实现与逐行解析
接下来，我们进入核心的代码部分。我会把完整的脚本拆解开，逐一解释每个函数的作用和关键代码行。
4.1 脚本框架与配置
首先，我们引入必要的库，并定义一些配置。我强烈建议将Cookie等敏感信息放在代码之外。
import requests import json import time import os from typing import List, Dict, Optional # 配置区域 # 方式1：直接写死在代码里（不推荐，仅用于测试） # COOKIE = '你的完整Cookie字符串' # 方式2：从环境变量读取（推荐） COOKIE = os.getenv('WEREAD_COOKIE') if not COOKIE: # 方式3：从本地文件读取（次推荐） try: with open('weread_cookie.txt', 'r', encoding='utf-8') as f: COOKIE = f.read().strip() except FileNotFoundError: print("错误：未找到Cookie。请设置环境变量 WEREAD_COOKIE 或创建 weread_cookie.txt 文件。") exit(1) # 请求头，模拟浏览器 HEADERS = { 'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/91.0.4472.124 Safari/537.36', 'Accept': 'application/json, text/plain, */*', 'Accept-Language': 'zh-CN,zh;q=0.9,en;q=0.8', 'Connection': 'keep-alive', 'Cookie': COOKIE # 将Cookie放在请求头中 } # 基础URL BASE_URL = 'https://i.weread.qq.com'代码解读：
- 我们提供了三种设置Cookie的方式，优先级是：环境变量 > 本地文件 > 代码硬编码。这是工程上的好习惯，保证安全性和灵活性。
HEADERS字典模拟了一个普通Chrome浏览器的请求头，其中最关键的一行就是‘Cookie’: COOKIE。服务器就是通过这个字段来识别我们的身份。BASE_URL是微信读书主要API接口的域名。
4.2 获取所有书籍列表
我们需要先知道要导出哪些书。
def get_book_list() -> List[Dict]: """获取用户书架上的所有书籍列表""" url = f"{BASE_URL}/user/books" # 添加一个时间戳参数，防止缓存 params = {'vendor': 'web', 'synckey': 0, 'lectureSynckey': 0, '_': int(time.time() * 1000)} try: response = requests.get(url, headers=HEADERS, params=params, timeout=10) response.raise_for_status() # 如果状态码不是200，抛出HTTPError异常 data = response.json() # 调试：可以打印一下data的结构，方便理解 # print(json.dumps(data, indent=2, ensure_ascii=False)) if data and 'books' in data: books = data['books'] print(f"成功获取到 {len(books)} 本书籍。") # 返回一个简单的书籍信息列表 book_list = [] for book in books: book_info = { 'bookId': book.get('bookId'), 'title': book.get('title'), 'author': book.get('author'), 'cover': book.get('cover') } book_list.append(book_info) return book_list else: print("获取书籍列表失败，响应数据格式异常。") return [] except requests.exceptions.RequestException as e: print(f"网络请求失败: {e}") return [] except json.JSONDecodeError as e: print(f"解析JSON响应失败: {e}") return []代码解读：
- 接口地址是
/user/books。params里的参数是我通过观察网络请求总结的，其中_参数是一个当前毫秒级时间戳，常用于避免浏览器缓存。 response.raise_for_status()是一个好习惯，它能帮我们快速发现401（未授权）、404（未找到）等HTTP错误。response.json()直接将响应内容解析为Python字典或列表。- 返回的
data[‘books’]是一个列表，里面包含了每本书的详细信息。我们只提取出最关键的bookId、title、author等字段，构造一个新的简洁列表返回。 - 完整的异常处理 (
try…except) 是爬虫脚本健壮性的关键。网络可能不稳定，接口可能变化，良好的错误处理能让脚本在遇到问题时给出明确提示，而不是直接崩溃。
4.3 获取单本书的笔记详情
这是最核心的函数，负责获取一本书里所有的划线和想法。
def get_book_notes(book_id: str) -> Optional[Dict]: """根据bookId获取指定书籍的全部笔记（划线和想法）""" url = f"{BASE_URL}/book/bookmarklist" params = { 'bookId': book_id, 'chapterId': 0, # 0 表示获取全部章节的笔记 'synckey': 0, '_': int(time.time() * 1000) } try: response = requests.get(url, headers=HEADERS, params=params, timeout=15) response.raise_for_status() data = response.json() # 检查是否包含有效数据 if not data or 'updated' not in data: print(f"书籍 {book_id} 可能没有笔记或接口返回空。") return None # 笔记数据通常在 `updated` 字段下，是一个列表 notes = data.get('updated', []) print(f"书籍 {book_id} 找到 {len(notes)} 条笔记。") return {'bookId': book_id, 'notes': notes} except requests.exceptions.RequestException as e: print(f"获取书籍 {book_id} 笔记失败，网络错误: {e}") return None except json.JSONDecodeError as e: print(f"获取书籍 {book_id} 笔记失败，JSON解析错误: {e}") return None代码解读：
- 接口地址是
/book/bookmarklist。关键参数是bookId和chapterId（0代表全部章节）。 - 返回的
data[‘updated’]是一个列表，每一条笔记是一个字典。这个字典结构非常丰富，通常包含：markText: 划线的文本内容。content: 如果是想法，这里就是想法内容。chapterTitle: 笔记所在的章节标题。range: 笔记在章节中的位置范围。createTime: 创建时间戳。style: 划线样式（0-普通，1-重点）。
- 函数返回一个字典，包含
bookId和notes列表，方便后续处理。
4.4 数据解析与导出为Markdown
获取到原始数据后，我们需要将其转换成易读、易用的格式。Markdown是一个非常好的选择，因为它结构清晰，兼容性强，可以直接导入到Obsidian、Notion、Typora等大多数笔记软件中。
def parse_notes_to_markdown(notes_data: Dict) -> str: """将笔记数据解析为Markdown格式的字符串""" if not notes_data or 'notes' not in notes_data: return "" book_id = notes_data.get('bookId', '未知') notes = notes_data['notes'] if not notes: return f"# 书籍ID: {book_id}\n\n> 本书暂无笔记。\n" # 我们可以从第一条笔记里获取书名（如果接口返回了的话） # 但更可靠的是在调用此函数时传入书名，这里我们先假设没有 md_content = f"# 微信读书笔记导出\n\n**书籍ID:** {book_id}\n**笔记总数:** {len(notes)}\n**导出时间:** {time.strftime('%Y-%m-%d %H:%M:%S')}\n\n---\n\n" # 按章节对笔记进行分组，这样结构更清晰 notes_by_chapter = {} for note in notes: chapter_title = note.get('chapterTitle', '未分类章节') if chapter_title not in notes_by_chapter: notes_by_chapter[chapter_title] = [] notes_by_chapter[chapter_title].append(note) # 按章节生成Markdown for chapter_title, chapter_notes in notes_by_chapter.items(): md_content += f"## {chapter_title}\n\n" # 对该章节的笔记按位置（range）排序，使其保持阅读顺序 chapter_notes.sort(key=lambda x: x.get('range', '')) for note in chapter_notes: mark_text = note.get('markText', '').strip() content = note.get('content', '').strip() abstract = note.get('abstract', '').strip() style = note.get('style', 0) # 处理划线 if mark_text: # 根据划线样式添加不同格式 if style == 1: md_content += f"> **{mark_text}**\n\n" else: md_content += f"> {mark_text}\n\n" # 处理想法（评论） if content: md_content += f"**我的想法:** {content}\n\n" elif abstract: # 有时想法会在abstract字段 md_content += f"**我的想法:** {abstract}\n\n" # 可以添加一个小的分隔符，让每条笔记更清晰 md_content += "---\n\n" return md_content代码解读：
- 这个函数做了几件重要的事：分组（按章节）、排序（按书中位置）、格式化。
- 按章节分组能让导出的笔记结构化和原书保持一致，复习时更有上下文。
- 按
range字段排序保证了笔记在章节内的顺序就是你在书中阅读的顺序。 - 对于
style=1的笔记（重点划线），我们将其加粗，在视觉上予以区分。 - 每条笔记之间用
---分隔，提高可读性。
4.5 主流程：一键导出的逻辑
现在我们把所有功能串联起来，形成“一键导出”的主函数。
def export_all_notes(output_dir='weread_notes'): """主函数：导出所有书籍的笔记到指定目录""" # 1. 创建输出目录 if not os.path.exists(output_dir): os.makedirs(output_dir) print(f"创建输出目录: {output_dir}") # 2. 获取书籍列表 print("正在获取书籍列表...") books = get_book_list() if not books: print("未获取到任何书籍，请检查Cookie是否有效。") return # 3. 遍历每本书，获取并导出笔记 total_books = len(books) for idx, book in enumerate(books, 1): book_id = book['bookId'] book_title = book.get('title', f'未知标题_{book_id}')[:50] # 书名可能很长，截取一下 print(f"\n[{idx}/{total_books}] 正在处理: 《{book_title}》 ({book_id})") # 3.1 获取笔记数据 notes_data = get_book_notes(book_id) if not notes_data: print(f" -> 跳过，未获取到笔记数据。") continue # 3.2 解析为Markdown md_text = parse_notes_to_markdown(notes_data) # 3.3 保存文件。文件名使用书名和ID，避免特殊字符问题 safe_title = "".join([c for c in book_title if c.isalnum() or c in (' ', '_', '-')]).rstrip() filename = f"{safe_title}_{book_id}.md" filepath = os.path.join(output_dir, filename) try: with open(filepath, 'w', encoding='utf-8') as f: f.write(md_text) print(f" -> 已导出至: {filepath}") except IOError as e: print(f" -> 文件保存失败: {e}") # 3.4 礼貌性延时，避免请求过快 time.sleep(1) print(f"\n导出完成！所有笔记已保存至 '{output_dir}' 目录。") if __name__ == '__main__': export_all_notes()代码解读：
- 主函数
export_all_notes定义了完整的流水线：创建目录 -> 获取书单 -> 遍历每本书 -> 获取笔记 -> 解析保存 -> 延时。 - 在文件名处理上，我们过滤掉了非字母数字的字符，防止因书名包含
\/:*?"<>|等非法字符导致无法创建文件。 time.sleep(1)是至关重要的“礼貌性延时”。虽然微信读书的API没有非常严格的反爬，但连续、高频地请求服务器是不好的行为，可能导致你的IP或账号被临时限制。加上1秒间隔，既能保证效率，也显得更“像人”一些。- 使用
if __name__ == ‘__main__’:是标准做法，使得这个脚本既可以作为模块被导入，也可以直接运行。
5. 实战中的坑与进阶优化
把上面的代码跑起来，你基本就能导出笔记了。但根据我的实战经验，还有以下几个关键点和潜在问题需要特别注意。
5.1 Cookie失效与更新
Cookie不是永久有效的。微信读书的登录会话有一定有效期，可能几天，也可能几周。当你的脚本突然报错401 Unauthorized或返回的数据为空时，第一反应就应该是：Cookie失效了。
解决方案：重新登录微信读书网页版，按第3.2节的步骤，重新获取一次Cookie，并更新你的weread_cookie.txt文件或环境变量。
5.2 接口变更与适配
这是爬虫项目永恒的挑战。微信读书的API接口并非公开协议，它可能随时变更路径、参数或返回的数据结构。如果你的某天脚本突然不能用了，除了检查Cookie，就要用开发者工具重新抓包，看看get_book_list和get_book_notes对应的接口地址和参数是否发生了变化。
如何应对：养成观察网络请求的习惯。脚本的核心其实就是对这两个接口的封装。一旦失效，就重新抓取正确的接口信息，然后更新代码中的url和params。
5.3 笔记数据不完整或格式异常
有时你会发现，导出的笔记比App里看到的少，或者想法内容不见了。这可能是因为：
- 分页：如果一本书的笔记非常多，接口可能采用了分页机制。我们上面的代码只请求了第一页。需要检查接口返回是否有
hasMore、next之类的字段，并实现翻页逻辑。 - 字段名变化：笔记的正文可能在
markText，也可能在content或abstract。想法内容也可能在不同字段。我们的parse_notes_to_markdown函数已经做了一些兼容处理，但可能需要根据实际情况调整。
5.4 增加导出格式选项
Markdown虽好，但有人可能更喜欢CSV（方便用Excel分析）或纯文本。我们可以很容易地扩展脚本。
def export_notes(notes_data: Dict, format='markdown', output_dir='.'): """根据格式导出笔记""" if format == 'markdown': content = parse_notes_to_markdown(notes_data) ext = '.md' elif format == 'csv': content = parse_notes_to_csv(notes_data) # 需要实现这个函数 ext = '.csv' elif format == 'txt': content = parse_notes_to_txt(notes_data) # 需要实现这个函数 ext = '.txt' else: raise ValueError(f"不支持的格式: {format}") # ... 保存文件逻辑5.5 增量导出与定时任务
我们不需要每次都导出全部书籍。可以记录上次导出的时间，或者每本书最后笔记的更新时间 (createTime)，然后只获取新的笔记。这需要将已导出的书籍ID和最后同步时间持久化存储（比如在一个JSON文件里）。然后，在get_book_list或get_book_notes时，带上时间参数，只请求特定时间之后的更新。这能大大减少请求量，实现真正的“同步”。
更进一步，你可以结合系统的定时任务（如Linux的cron，Windows的任务计划程序），让这个脚本每天或每周自动运行一次，实现笔记的自动备份。
6. 安全、合规与伦理边界
在享受技术带来的便利时，我们必须清醒地认识到边界在哪里。
- 尊重版权与用户协议：我们导出的笔记，是自己创作的划线和个人想法。这个脚本的用途应严格限定于个人数据备份与管理。绝对禁止用于批量下载书籍全文、盗版传播或任何侵犯版权的行为。微信读书的用户协议通常禁止自动化程序访问，我们的行为处于灰色地带，因此更要克制，仅满足个人合理使用需求。
- 控制请求频率：务必在代码中设置合理的延时 (
time.sleep)。不要试图并发大量请求去“轰炸”服务器，这既不道德，也极易导致你的IP或账号被封禁。我们的目的是拿回数据，不是攻击服务。 - 保护个人隐私：你的Cookie就是你的账号凭证。妥善保管
weread_cookie.txt文件，不要将其上传至GitHub等公开平台。如果误上传了，应立即在平台上删除，并视为密码泄露，最好在微信读书上检查一下登录设备，必要时可以“下线”所有设备，让旧Cookie失效。 - 数据用途：导出的数据建议仅用于个人学习、研究和知识管理。不要将其用于商业用途或公开大量分发。
这个脚本是一个工具，它放大了你管理个人数据的能力，但如何使用它，取决于你的责任心。保持善意和克制，技术才能更好地为我们服务。
最后，完整的脚本代码已经贯穿在上述讲解中。你可以将它们组合到一个.py文件里，准备好你的Cookie，运行python weread_notes_exporter.py，就能在weread_notes文件夹下看到一本本以你命名的Markdown笔记文件了。这个过程，不仅是获取了笔记，更是你对自己数字资产的一次郑重声明。
本文还有配套的精品资源，点击获取
