python如何實現(xiàn)微信公眾號文章爬取

小編給大家分享一下python如何實現(xiàn)微信公眾號文章爬取，相信大部分人都還不怎么了解，因此分享這篇文章給大家參考一下，希望大家閱讀完這篇文章后大有收獲，下面讓我們一起去了解一下吧！

成都創(chuàng)新互聯(lián)公司-專業(yè)網(wǎng)站定制、快速模板網(wǎng)站建設(shè)、高性價比玉泉網(wǎng)站開發(fā)、企業(yè)建站全套包干低至880元,成熟完善的模板庫,直接使用。一站式玉泉網(wǎng)站制作公司更省心,省錢,快速模板網(wǎng)站建設(shè)找我們，業(yè)務(wù)覆蓋玉泉地區(qū)。費用合理售后完善，十載實體公司更值得信賴。

具體步驟如下：

一、安裝代理服務(wù)器

目前使用的是Anyproxy。這個軟件的特點是可以獲取到https鏈接的內(nèi)容。

1.1 在命令行或者終端運行 npm install -g anyproxy，mac系統(tǒng)需要加上sudo；

1.2 生成RootCA，https需要這個證書：運行命令sudo anyproxy --root（windows可能不需要sudo）；

1.3 啟動anyproxy運行命令：sudo anyproxy -i；參數(shù)-i是解析HTTPS的意思；

1.4 安裝證書，在手機中安裝證書，手機瀏覽器打開 http://localhost:8002/fetchCrtFile ，能獲取rootCA.crt文件。

localhost修改為運行anyproxy的電腦的ip地址，注意手機跟電腦要位于同一個局域網(wǎng)哦。

1.5 設(shè)置代理：在手機wifi連接管理中，設(shè)置代理，代理服務(wù)器地址就是運行anyproxy的電腦的ip地址。代理服務(wù)器默認(rèn)端口是8001；

現(xiàn)在打開微信，點擊到任意一個公眾號歷史消息或文章中，在終端都可以看到響應(yīng)的代碼滾動。

1.6 電腦打開瀏覽器地址http://localhost:8002 可以看到anyproxy的web界面。從微信中點開一個歷史消息頁面，然后再看瀏覽器的web界面，會滾動出現(xiàn)歷史消息頁面的地址。

二、用SPY爬取文章列表

由于要保存到數(shù)據(jù)庫里，所以我動用了自己開發(fā)的SPY爬蟲軟件，如果不需要保存到數(shù)據(jù)庫，用chrome就可以了。

2.1 手機打開公眾號的歷史文章列表，下拉至最底下，把所有文章都加載出來。

2.2 打開SPY，輸入地址http://localhost:8002，貼入代碼。

代碼大致的邏輯是：

a、獲取mp/profile_ext?action=home&__biz=MzA3ODkyNDg4OA=

中獲取到的文章列表數(shù)據(jù)。

b、由于文章列表數(shù)據(jù)是異步加載的，所以暫時需要手工在手機里把下拉文章列表，把所有的文章加載進來。

c、然后，SPY里把所有的文章數(shù)據(jù)提取出來，保存到數(shù)據(jù)庫里。

代碼如下：

var results = [];

var doms = document.querySelectorAll('.record_status_done');

var pages = [];

doms.forEach(function(dom, i) {

  var isUrl = dom.children[4].getAttribute('title');

  if (isUrl.match(/\/mp\/profile\_ext\?action\=getmsg\&/i)) {

    pages.push(dom);

  }

});

var step = 0;

stepByStep();

function stepByStep() {

  pages[step].click();

  var res;

  setTimeout(function() {

    if (document.querySelector('.resBodyContent')) {

      res = JSON.parse(JSON.parse(document.querySelector('.resBodyContent').innerText).general_msg_list).list;

    }

    if (res) {

      res.forEach(function(r, i) {

        if (r.app_msg_ext_info) {

          var target = r.app_msg_ext_info;

          console.log(target, step, 'num');

          var obj_save = {

            author: target.author,

            content_url: target.content_url,

            cover: target.cover,

            digest: target.digest,

            title: target.title,

          };

          spy.save(obj_save);

          results.push(obj_save);

          console.log(results.length, step);

        }

      });

    } else {

      console.log(res, document.querySelector('.resBodyContent'))

    }

    step = step + 1;

    setTimeout(function() {

      document.querySelector('.escBtn').click();

    }, 1000);

    if (step < pages.length) {

      setTimeout(function() {

        window.stepByStep();

      }, 3000);

    } else {

      spy.getResult(results)

    }

  }, 1000);

};

以上是“python如何實現(xiàn)微信公眾號文章爬取”這篇文章的所有內(nèi)容，感謝各位的閱讀！相信大家都有了一定的了解，希望分享的內(nèi)容對大家有所幫助，如果還想學(xué)習(xí)更多知識，歡迎關(guān)注創(chuàng)新互聯(lián)行業(yè)資訊頻道！

當(dāng)前標(biāo)題：python如何實現(xiàn)微信公眾號文章爬取
當(dāng)前網(wǎng)址：http://muchs.cn/article2/ihsjoc.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供外貿(mào)建站、ChatGPT、服務(wù)器托管、關(guān)鍵詞優(yōu)化、搜索引擎優(yōu)化、網(wǎng)站內(nèi)鏈

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網(wǎng)站立場，如需處理請聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時需注明來源： 創(chuàng)新互聯(lián)