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(fèi)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(diǎn)是可以獲取到https鏈接的內(nèi)容。
1.1 在命令行或者終端運(yùn)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(yùn)行命令sudo anyproxy --root（windows可能不需要sudo）；
1.3 啟動anyproxy運(yùn)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(jī)中安裝證書，手機(jī)瀏覽器打開 http://localhost:8002/fetchCrtFile ，能獲取rootCA.crt文件。
localhost修改為運(yùn)行anyproxy的電腦的ip地址，注意手機(jī)跟電腦要位于同一個局域網(wǎng)哦。
1.5 設(shè)置代理：在手機(jī)wifi連接管理中，設(shè)置代理，代理服務(wù)器地址就是運(yùn)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(diǎn)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(diǎn)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(jī)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(jī)里把下拉文章列表，把所有的文章加載進(jìn)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！
重慶分公司
重慶分公司
