微信公众号文章爬取

哈哈,终于找到一个可以一键获取所有公众号里面的文章了,虽然比较笨,但是先凑活着,毕竟还破解不了登录。

参考链接:https://mp.weixin.qq.com/s/dlks2QoU8oiPPEc9et8Rbg

第一步:先注册一个公众号

注册之后登录到主页,找到这个素材管理

微信公众号文章爬取

 

 

然后你会看到下面这个页面

微信公众号文章爬取

 

 点击这个红色箭头指向的这个链接

微信公众号文章爬取

 

 记得打开调试工具

然后搜索你想爬取的公众号

微信公众号文章爬取

 

 这个请求会返回我们搜索到的公众号,我们要的公众号也在这个列表里面,假如在第一个

微信公众号文章爬取

 

 我们需要这个fake-id来标记这个公众号

接下选中,然后点一下

微信公众号文章爬取

 

 然后文章列表就出来了

整个过程就需要token,公众号名字,还有cookie了

最后直接上代码了

# -*- coding: utf-8 -*-
import pymysql as pymysql
from fake_useragent import UserAgent
import requests
import json

from retrying import retry

@retry(stop_max_attempt_number=5)
def get_author_list():
    """
    获取搜索到的公众号列表
    :return:
    """
    global s
    url = "https://mp.weixin.qq.com/cgi-bin/searchbiz?action=search_biz&begin=0&count=5&query={}&token={}&lang=zh_CN&f=json&ajax=1".format(
        name, token)
    try:
        response = s.get(url, headers=headers, cookies=cookie)
        text = json.loads(response.text)
        # print('一共查询出来{}个公众号'.format(text['total']))
        return text
    except Exception as e:
        print(e)
        reset_parmas()


@retry(stop_max_attempt_number=5)
def get_first_author_params(text):
    """
    获取单个公众号的参数
    :param text: 前面搜索获取的公众号列表
    :return:fake_id公众号id, text请求公众号详情的相应内容
    """

    fake_id = text['list'][0]  # 一般第一个就是咱们需要的,所以取第一个

    # print(text['list'][0])
    url = 'https://mp.weixin.qq.com/cgi-bin/appmsg?action=list_ex&begin=0&count=5&fakeid={}&type=9&query=&token={}&lang=zh_CN&f=json&ajax=1'.format(fake_id['fakeid'], token)
    response = s.get(url, headers=headers, cookies=cookie)
    try:
        text1 = json.loads(response.text)
        return text1, fake_id
    except Exception as e:
        print(e)
        reset_parmas()


@retry(stop_max_attempt_number=5)
def get_title_url(text, fake_id):
    """
    得到公众号的标题和链接
    :param text:
    :param fake_id:
    :return:
    """
    print(text)
    num = int(text['app_msg_cnt'])
    if num % 5 > 0:
        num = num // 5 + 1
    for i in range(num):
        # token   begin:参数传入
        url = 'https://mp.weixin.qq.com/cgi-bin/appmsg?action=list_ex&begin={}&count=5&fakeid={}&type=9&query=&token={}&lang=zh_CN&f=json&ajax=1'.format(str(i * 5),fake_id['fakeid'], token,)
        try:
            response = s.get(url, headers=headers, cookies=cookie)
            text = json.loads(response.text)
            print(text)
            artile_list = text['app_msg_list']

            for artile in artile_list:
                print('标题:{}'.format(artile['title']))
                print('标题链接:{}'.format(artile['link']))
                save_mysql(name, artile['title'], artile['link'])
        except Exception as e:
            print(e)
            reset_parmas()


def save_mysql(name, title, url):
    """
    保存数据到数据库
    :param name: 作者名字
    :param title:文章标题
    :param url: 文章链接
    :return:
    """
    try:
        sql = """INSERT INTO title_url(author_name, title, url) values ('{}', '{}', '{}')""".format(name, title, url)
        conn.ping(reconnect=False)
        cur.execute(sql)
        conn.commit()
    except Exception as e:
        print(e)


def reset_parmas():
    """
    失效后重新输入参数
    :return:
    """
    global name, token, s, cookie, headers
    name = input("请输入你要查看的公众号名字: ")
    token = input("请输入你当前登录自己公众号的token: ")
    cookies = input("请输入当前页面的cookie: ")
    s = requests.session()
    cookie = {'cookie': cookies}
    headers = {
        "User-Agent": UserAgent().random,
        "Host": "mp.weixin.qq.com",
    }


def run():
    reset_parmas()
    text = get_author_list()
    text1, fake_id = get_first_author_params(text)
    get_title_url(text1, fake_id)


run()

 

需要说明一下,数据库自己连  我都不上代码了

还有就是好像接口更新的频繁,所以你只需要看懂我的代码的逻辑就可以了

OK

上一篇:web赛题3


下一篇:南校五天集训游记