[python]微信公众号文章爬取

article/2025/10/6 16:26:58

[python]微信公众号文章爬取

需求

爬取一些微信公众号的文章

数据来源

1.搜狗微信搜索,可以搜索微信公众号文章,但只能显示该公众号最近十篇的文章
2.通过个人微信公众号中的素材管理,查看其他微信公众号文章

在这里插入图片描述
在这里插入图片描述

在这里插入图片描述

步骤

1.手动从网站上获取cookie通过cookie登陆
2.从请求url中获取token
3.拼接参数请求https://mp.weixin.qq.com/cgi-bin/searchbiz获取公众号的fakeid也就是biz
4.拼接参数请求https://mp.weixin.qq.com/cgi-bin/appmsg?获取文章列表信息
5.通过文章url爬取文章

通过这种方式是没办法得到阅读量和点赞数的,因为网页打开公众号文章是没有阅读数和点赞数的

代码

github仓库地址

import requests
import json
import re
import timeclass WeChatCrawler():def __init__(self, wxList):self.wxList = wxListself.cookies = self.__getCookiesFromText()self.token = self.__getToken()self.headers = {"HOST": "mp.weixin.qq.com","User-Agent": "Mozilla/5.0 (Windows NT 6.1; WOW64; rv:53.0) Gecko/20100101 Firefox/53.0"}self.searchBizParam = {'action': 'search_biz','token': self.token,'lang': 'zh_CN','f': 'json','ajax': '1','query': '','begin': '0','count': '5',}self.getMsgListParam = {'token': self.token,'lang': 'zh_CN','f': 'json','ajax': '1','action': 'list_ex','begin': '0','count': '5','query': '','fakeid': '','type': '9'}def __getCookiesFromText(self):# 手动获取cookiewith open('cookie.txt', 'r', encoding='utf-8') as f:cookieStr = f.read()# 处理cookieStr格式转化成jsoncookieStr = "{\"" + cookieStr + "\"}"cookieStr = cookieStr.replace("rewardsn=;", "").replace(";", "\",\"").replace("=", "\":\"").replace("\":\"\"", "=\"").replace(' ', '')# print(cookieStr)cookies = json.loads(cookieStr)return cookiesdef __getToken(self):url = 'https://mp.weixin.qq.com'response = requests.get(url=url, cookies=self.cookies)token = re.findall(r'token=(\d+)', str(response.url))[0]return tokendef __getWXFakeid(self, wx):searchUrl = 'https://mp.weixin.qq.com/cgi-bin/searchbiz?'self.searchBizParam['query'] = wxsearchResponse = requests.get(searchUrl, cookies=self.cookies, headers=self.headers, params=self.searchBizParam)fakeid = searchResponse.json().get('list')[0].get('fakeid')return fakeiddef __getWXMsgCnt(self, fakeId):self.getMsgListParam['fakeid'] = fakeIdappmsgUrl = 'https://mp.weixin.qq.com/cgi-bin/appmsg?'appmsgResponse = requests.get(appmsgUrl, cookies=self.cookies, headers=self.headers,params=self.getMsgListParam)wxMsgCnt = appmsgResponse.json().get('app_msg_cnt')return wxMsgCntdef __getWXMsgList(self, fakeId):appmsgUrl = 'https://mp.weixin.qq.com/cgi-bin/appmsg?'wxMsgCnt = self.__getWXMsgCnt(fakeId)if wxMsgCnt is not None:pages = int(wxMsgCnt) // 5begin = 0for _ in range(pages):print('====翻页====', begin)self.getMsgListParam['begin'] = str(begin)msgListResponse = requests.get(appmsgUrl, cookies=self.cookies, headers=self.headers,params=self.getMsgListParam)msgList = msgListResponse.json().get('app_msg_list')for item in msgList:# todo moremsgLink = item.get('link')print(msgLink)msgTitle = item.get('title')print(msgTitle)begin += 5time.sleep(3)def runCrawler(self):fakeIds = list(map(self.__getWXFakeid, self.wxList))list(map(self.__getWXMsgList, fakeIds))if __name__ == '__main__':# examplewxList = ['量子位', ]wc = WeChatCrawler(wxList)wc.runCrawler()

http://chatgpt.dhexx.cn/article/hXjvIrT5.shtml

相关文章

Python2.7爬虫——爬取微信公众号文章

今天跟着这篇博客抓取微信公众号文章练习了一下爬虫,运行成功。想和大家分享一下过程中出现的问题和解决方法。 运行环境 windows 7 Pycharm2018 Python 2.7 目录 目录 1.安装必要的Python包 1.1 关于下载selenium包1.2关于下载json包 2.运行之前的准备 代码中需…

基于搜狗搜索的微信公众号爬虫实现(C#版本)

为什么80%的码农都做不了架构师?>>> Author: Hoyho Luo Email: luohaihaogmail.com Source Url:http://here2say.me/11/ 转载请保留此出处 本文介绍基于搜狗的微信公众号定向爬虫,使用C#实现,故取名WeGouSharp。本文中的项目托管…

fiddle python抓取微信公众号文章

分析 1,先进行准备工作:使用fiddle抓包(大家可以自行百度怎么使用哦) 2,打开电脑端微信,找到需要爬取的公众号 点击进入公众号,再打开fiddle,微信停留在这一步 打开fiddle后再点击…

Java Selenium 爬取微信公众号文章图片.md

项目地址结尾 一、前期准备 1. 下载selenium的驱动 Chrome http://chromedriver.storage.googleapis.com/index.html Firefox https://github.com/mozilla/geckodriver/releases/ IE http://selenium-release.storage.googleapis.com/index.html 下载好驱动然后放到、对…

python爬虫(17)爬出新高度_抓取微信公众号文章(selenium+phantomjs)

个人博客请访问 http://www.x0100.top 一.思路分析 目前所知晓的能够抓取的方法有: 1、微信APP中微信公众号文章链接的直接抓取(http://mp.weixin.qq.com/s?__bizMjM5MzU4ODk2MA&mid2735446906&idx1&snece37deaba0c8ebb9badf07e5a5a3bd…

获取微信公众号文章内视频真实地址

PHP获取微信公众号文章内视频与音频真实地址 微信公众号的文章的爬取可以看到这个项目:github 基于QueryList的微信公众号文章获取工具 有任何问题可以留言。 返回数据: 包含音频和视频包含多个视频 原有找到的文章 如何抓取微信公众号文章里面的视频…

Python爬取微信公众号文章、点赞数

代码还是热乎的,只要你细心一步步的慢慢调试,绝壁没问题 前期准备 订阅号;Python;Fiddler;微信账号; 流程 使用用微信公众号生成cookie使用Fiddler抓取微信公众号数据, 获取阅读数通过cooki…

如何爬取微信公众号文章(二)

在如何爬取微信公众号(一)中完成了将爬取公众号文章的元数据存入数据库,其中包括文章的连接、标题、发布时间、摘要和封面图片等信息。下面介绍如何根据文章链接来爬取文章内容。 开发环境 windows 7 x64python3.7 (Anaconda)vscode 编辑器…

如何爬取微信公众号文章(一)

微信公众号是目前最为流行的自媒体之一,上面有大量的内容,如何将自己感兴趣的公众号内容爬取下来,离线浏览,或者作进一步的分析呢? 下面我们讨论一下微信公众号文章的爬取。 环境搭建 windows 7 x64python3.7 (Anac…

Python 爬虫之微信公众号

Python 爬虫之微信公众号 源代码放在文末。 本次爬虫需要的工具如下: selenium 驱动器对应浏览器的 webdriver一个微信订阅号在 2017 年 6 月左右,微信官方发布一篇文章 https://mp.weixin.qq.com/s/67sk-uKz9Ct4niT-f4u1KA,大致意思就是以后发布文章的时候可以插入其他公…

公网访问局域网家用nas

提到外网访问不得不说说家里局域网的搭建结构了,就拿大众最常用的方式举例,网络运营商的光纤入户,通过运营商提供的光猫直接pppoe进行拨号,再连接自己的路由器,分配至各网口。 自从上次充当灵魂画手被嘲笑了以后就改用…

外网访问群晖NAS VMM搭建Openwrt的admin界面

偶然在网上看到很多的帖子使用群晖搭建openwrt搭建旁路由,心血来潮体验了一把,记录一下自己的搭建的整个过程,并最终实现外网访问Openwrt的admin界面。 本人使用的群晖nas DS220+,其他品牌未尝试。 一、前期配置 1、先在套件中心下载VMM(Virtaul Machine Manager) 2、下…

2022年10月 cpolar软件实现内网穿透连接群晖NAS

前言 1.cpolar简介 cpolar是一款拥有远程控制和内网穿透功能的软件。而且还可以监控端口的HTTP请求,利用实时的cpolar Web UI开发者工具,让您调试代码更容易。您可以监听所有隧道上的HTTP消息包,分析消息包的结构内容,找出问题点…

群晖内网穿透 实现外网快速访问 无需公网

有群晖的情况下,在内网我们可以通过ip正常访问我们的群晖/NAS;但是我们想要在外网访问的时候该怎么办,没有公网ip,扯专线太贵,自己搭建太麻烦。这无疑是个难题; 今天,小编找到了一款免费的内网穿透工具来实…

通过公网+域名访问家里的群晖服务器

公网域名访问群晖服务器 前言准备的东西如何判断你家里的宽带是公网IP通过公网IP网访群晖,端口映射申请域名和DDNS添加DDNS映射写在最后 前言 最近换了个工作,然后有代码的托管需求。想想用GitHub太卡了,国内的开源托管网站因为一些国人的素…

猫盘群晖外部网络访问的三种方法:公网IP、内网穿透、qc的实际评测

目录 具体过程概述内网穿透公网IPQuickconnect(QC)结语 具体过程 概述 最近想入手一个NAS,由于我是新手入门,就选择入手了便宜的猫盘。我的猫盘是白群晖系统所以支持QC的功能,因此对目前猫盘群晖的DiskStation Manager&#xff…

特征值和特征矩阵

写一点对矩阵特征值和特征矩阵的理解 1. A是一个矩阵,它作用在向量v上。如果A是2阶对角阵的话,它起到的作用是将向量v在横纵方向拉伸 2. 当A是一个普通2阶矩阵时,它对v的拉伸不再是横纵方向,而是任意方向的,这取决于实…

三阶矩阵求特征值的快速算法

一般的三阶矩阵求特征值其实是解析不了的,因为特征方程对应的是三次方程,对于一般的三次方程,是很难求解的。要想方程有三个整数根,并且能够不用完全暴力展开三阶行列式这样的矩阵实际是很特殊的。 1.某一行有两个0的情况是最好算…

用R求矩阵的特征值和特征向量

最近在学习多元统计分析的主成分分析时&#xff0c;发现需要经常计算矩阵的特征值和特征向量&#xff0c;自己就找了下用R来做计算的函数。 我们可以用sigen()函数来计算特征对。 #创建一个矩阵 a <- matrix(c(11,sqrt(3)/2,3/2,sqrt(3)/2,21/4,5*sqrt(3)/4,3/2,5*sqrt(3)/…

怎么算特征值和特征矩阵?

怎样更通俗的理解特征值和特征矩阵&#xff1f; 设A是一个n阶矩阵&#xff0c;若数和n维非零列向量满足&#xff0c;数称为A的特征值&#xff0c;x称为A对应于特征值的特征向量。此时叫做特征多项式&#xff0c;若特征多项式为0则称为A的特征方程&#xff08;齐次线性方程组&a…