python抓取搜狗微信公众号文章

article/2025/6/24 12:46:39

初学python,抓取搜狗微信公众号文章存入mysql

mysql表:
在这里插入图片描述在这里插入图片描述
代码:

import requests
import json
import re
import pymysql# 创建连接
conn = pymysql.connect(host='你的数据库地址', port=端口, user='用户名', passwd='密码', db='数据库名称', charset='utf8')
# 创建游标
cursor = conn.cursor()cursor.execute("select * from hd_gzh")
effect_row = cursor.fetchall()
from bs4 import BeautifulSoupsocket.setdefaulttimeout(60)
count = 1
headers = {'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:65.0) Gecko/20100101 Firefox/65.0'}
#阿布云ip代理暂时不用
# proxyHost = "http-cla.abuyun.com"
# proxyPort = "9030"
# # 代理隧道验证信息
# proxyUser = "H56761606429T7UC"
# proxyPass = "9168EB00C4167176"# proxyMeta = "http://%(user)s:%(pass)s@%(host)s:%(port)s" % {
#   "host" : proxyHost,
#   "port" : proxyPort,
#   "user" : proxyUser,
#   "pass" : proxyPass,
# }# proxies = {
#     "http"  : proxyMeta,
#     "https" : proxyMeta,
# }#查看是否已存在数据
def checkData(name):sql = "select * from gzh_article where title = '%s'"data = (name,)count = cursor.execute(sql % data)conn.commit()if(count!=0):return Falseelse:return True
#插入数据
def insertData(title,picture,author,content):sql = "insert into gzh_article (title,picture,author,content) values ('%s', '%s','%s', '%s')"data = (title,picture,author,content)cursor.execute(sql % data)conn.commit()print("插入一条数据")returnfor row in effect_row:newsurl = 'https://weixin.sogou.com/weixin?type=1&s_from=input&query=' + row[1] + '&ie=utf8&_sug_=n&_sug_type_='res = requests.get(newsurl,headers=headers)res.encoding = 'utf-8'soup = BeautifulSoup(res.text,'html.parser')url = 'https://weixin.sogou.com' + soup.select('.tit a')[0]['href']res2 = requests.get(url,headers=headers)res2.encoding = 'utf-8'soup2 = BeautifulSoup(res2.text,'html.parser')pattern = re.compile(r"url \+= '(.*?)';", re.MULTILINE | re.DOTALL)script = soup2.find("script")url2 = pattern.search(script.text).group(1)res3 = requests.get(url2,headers=headers)res3.encoding = 'utf-8'soup3 = BeautifulSoup(res3.text,'html.parser')print()pattern2 = re.compile(r"var msgList = (.*?);$", re.MULTILINE | re.DOTALL)script2 = soup3.find("script", text=pattern2)s2 = json.loads(pattern2.search(script2.text).group(1))#等待10stime.sleep(10)for news in s2["list"]:articleurl = "https://mp.weixin.qq.com"+news["app_msg_ext_info"]["content_url"]articleurl = articleurl.replace('&','&')res4 = requests.get(articleurl,headers=headers)res4.encoding = 'utf-8'soup4 = BeautifulSoup(res4.text,'html.parser')if(checkData(news["app_msg_ext_info"]["title"])):insertData(news["app_msg_ext_info"]["title"],news["app_msg_ext_info"]["cover"],news["app_msg_ext_info"]["author"],pymysql.escape_string(str(soup4)))count += 1#等待5stime.sleep(10)for news2 in news["app_msg_ext_info"]["multi_app_msg_item_list"]:articleurl2 = "https://mp.weixin.qq.com"+news2["content_url"]articleurl2 = articleurl2.replace('&','&')res5 = requests.get(articleurl2,headers=headers)res5.encoding = 'utf-8'soup5 = BeautifulSoup(res5.text,'html.parser')if(checkData(news2["title"])):insertData(news2["title"],news2["cover"],news2["author"],pymysql.escape_string(str(soup5)))count += 1#等待10stime.sleep(10)
cursor.close()
conn.close()
print("操作完成")

http://chatgpt.dhexx.cn/article/yRO9mgo8.shtml

相关文章

搜狗微信文章采集php,[造轮子]爬取搜狗微信公众号文章

背景:想做一个公众号文章资源APP,发现搜狗有搜索公众号文章功能,果断开撸。http://wxiread.com (用CMS搭了个简易的站)。 Step1.分析栏目及接口 搜狗分了20个栏目,分别是 热门,推荐,段子手,养生堂,私房话… 对应地址从 /pcindex/p…

微信公众号的“温柔一刀”,搜狗微信搜索部分功能将被下线

作为搜狗的单一最大股东,腾讯与搜狗之间的联系向来就很紧密,其中包括搜搜被并入搜狗、微信公众号的搜索功能划分给搜狗、腾讯新闻、QQ浏览器等腾讯系产品的搜索功能全部换成搜狗。腾讯对搜狗的支持是显而易见的,但若有利益冲突的情况下&#…

【scrapy爬虫】最新sogou搜狗搜索 机智操作绕过反爬验证码(搜狗微信公众号文章同理)

前情提要 此代码使用scrapy框架爬取特定“关键词”下的搜狗常规搜索结果,保存到同级目录下csv文件。并非爬取微信公众号文章,但是绕过验证码的原理相同。如有错误,希望大家指正。 URL结构 https://www.sogou.com/web?query{关键词}&p…

利用搜狗抓取微信公众号文章

微信一直是一个自己玩的小圈子,前段时间搜狗推出的微信搜索带来了一丝曙光。搜狗搜索推出了内容搜索和公众号搜索两种,利用后者可以抓取微信公众号的最新内容,看了下还是比较及时的。 每个公众号都有一个openid,最早可以直接利用…

html语言判断水仙花数,水仙花数判断讲解

今天要讲解的这道题是 水仙花数判断 题目要求 本题要求实现一个函数,判断任一整数是否为水仙花数(必须是三位数,且数的每一位上数字的立方和与数本身相等)。例如1531^35^33^3112527153,而1或155则不是水仙花数。如果是水仙花数,则…

水仙花数的求解思路

目录 水仙花数输入一个数,求解从0到这个数的所有水仙花数 解题思路源代码:注意事项 水仙花数 在以前的博客之中写过求解水仙花数的博客 详情见下面链接: 求解水仙花数 在这里就主要写求解水仙花数的思路 输入一个数,求解从0到这…

计算水仙花数有哪些

计算水仙花数有哪些 一、介绍水仙花数二、使用while循环计算水仙花数1.源代码2.运行结果 三、使用for循环计算水仙花数1.执行代码部分2.运行结果3.源代码 一、介绍水仙花数 水仙花数指的是三位整数中每个数的立方之和等于本身的数 二、使用while循环计算水仙花数 1.源代码 …

水仙花数

一、描述: 所谓的“水仙花数”是指一个三位数其各位数字的立方和等于该数本身。 例如153是“水仙花数”,因为:153 13 53 33。 在数论中,水仙花数(Narcissistic number)也称为自恋数、自幂数、阿姆斯壮…

prgrmz的作品集

符号化执行(基于klee)生成测试用例初探 lstm广告点击量预测案例 一般蔬菜类果实无人采摘方案(算法) 分页页面通用爬虫建模(一般优化问题) 机器学习练习 概率图模型应用例子:图像分割 概率图模型应用例子:立体视觉 概率图模型…

全干工程师的自我修养---vue第一部分

全干工程师的自我修养—vue第一部分 1、环境搭建 主要是搭建nodejs环境,设置淘宝源及安装cnpm,在之前的文章中有提到过,就不再赘述。 接下来全局安装vue脚手架: cnpm install vue-cli -g这样就可以成功安装了,安装…

从业两年时间,我被一个女前端鄙视了!

学测试一定要找准方向,避免做无用功,可以看看现在的测试行业市场行情:测试行业现状分析及测试人员能力标准 早在四年前在深圳打拼的日子,第一家企业我就被一个女前端深深上了一课! 看似很平常的几句话,其实…

职场摸爬滚打的卑微软件测试工!外包干了三年后,我废了...

去年国庆,我分享了一次一位阿里朋友的技术生涯,大家反响爆蓬,感觉十分有意思,今天我来分享一下我另一位朋友的真实经历,是不是很想听? 没错,我这位朋友是曾经外包公司的测试开发,而…

从哪一刻开始,我成了资深工程师

“ 我成了资深工程师!” 当说这句话时,我们可能同时表达了两层含义:我在能力素质上是一位资深工程师了;我的 Title 更新为资深工程师了。 这两者之间有着必然联系。虽然 Title 的更新是一瞬间的事儿,但在其背后&…

一名测试开发工程师的内心自白,被裁员之前,没得到任何风声,措手不及......

目录:导读 前言一、Python编程入门到精通二、接口自动化项目实战三、Web自动化项目实战四、App自动化项目实战五、一线大厂简历六、测试开发DevOps体系七、常用自动化测试工具八、JMeter性能测试九、总结 前言 一个码农(测试开发)的自白 小…

前端小白奋斗史07

em 倾斜标签 ins 下划线标签 alter 替换文本 title 提示文本 target 目标窗口弹出方式 _blank _self 锚点链接 快速定位页面位置 特殊标签 空格 &nbsp 你不是胖 < &it > &gt element语法 父子记关系标签 ul&#xff1…

学艺不精,总是掉坑!前后端分离历险记

Spring Boot Vue 这一对技术栈目前看来可以说是非常的火热,关于 Spring Boot 松哥已经写过多篇教程,如: 40 篇原创干货,带你进入 Spring Boot 殿堂! 前后端分离的文章也写过好几篇了,例如: 一个…

测试4年裸辞失业,面试17k的测试岗被按在地上摩擦,结局让我崩溃大哭...

作为IT行业的大热岗位——软件测试,只要你付出了,就会有回报。说它作为IT热门岗位之一是完全不虚的。可能很多人回说软件测试是吃青春饭的,但放眼望去,哪个工作不是这样的呢?会有哪家公司愿意养一些闲人呢?…

一名【合格】前端工程师的自检清单,劝退指南 >_<

到现在为止,前端工程师已经成为研发体系中的重要岗位之一。可是,与此相对的是,我发现极少或者几乎没有大学的计算机专业愿意开设前端课程,更没有系统性的教学方案出现。大部分前端工程师的知识,其实都是来自于实践和工…

测试4年裸辞失业,面试17k的测试岗被按在地上摩擦,结局让我崩溃大哭....

作为IT行业的大热岗位——软件测试,只要你付出了,就会有回报。说它作为IT热门岗位之一是完全不虚的。可能很多人回说软件测试是吃青春饭的,但放眼望去,哪个工作不是这样的呢?会有哪家公司愿意养一些闲人呢?…

Linux文件导入gitee仓库中

文章目录 零.前言1.在gitee中建立仓库2.向Linux系统中导入仓库3..gitignore4.总结 零.前言 本文将介绍如何将Linux中的文件存入gitee的仓库中,由于github时常登不上去,所以国内推荐gitee。 1.在gitee中建立仓库 首先我们先注册一账号,这里…