wnma3mz / Wechat_articles_spider
Projects that are alternatives of or similar to Wechat articles spider
微信公众号文章爬虫(微信文章阅读点赞的获取)
安装
pip install wechatarticles
展示地址:
日更,获取公众号的最新文章链接,支持日更阅读点赞评论正文
技术交流可以直接联系,微信二维码见末尾(微信;wnma3mz)。烦请进行备注,如wechat_spider
统一回复,项目可正常运行。若不能正常运行,该行会删除。
联系前请注意:
-
不(能)做自动登录微信公众号、微信
-
不(能)做实时获取参数
-
换一个公众号、参数过期,均需手动更新,如何获取参数均在文章中提及,请仔细查阅
-
不能做关键词搜索(即微信搜一搜功能),比如搜索所有含“科技”两个字的文章。
注:本项目仅供学习交流,严禁用于商业用途(该项目也没法直接使用),不能达到开箱即用的水平。使用本项目需要读文档+源码+动手实践,参考示例代码(test
文件夹下)进行改写。
提示:另外,已经有很多朋友(大佬)通过直接看源码,已经基于这套项目,或者重写,用于各自的需求。
实现思路一:
- 从微信公众号平台获取微信公众所有文章的url
- 登录微信PC端或移动端获取文章的阅读数、点赞数、评论信息
完整思路可以参考我的博客: 记一次微信公众号爬虫的经历(微信文章阅读点赞的获取)
实现思路二:
- 登陆微信PC端或移动端获取公众号所有文章的url,这种获取到的url数量大于500,具体数量每个微信号不完全一致
- 同上种方法,获取文章阅读数、点赞数、评论信息
公开已爬取的公众号历史文章的永久链接,日期均截止commit时间,仅供测试与学习,欢迎各位关注这些优质公众号。
公众号列表
科技美学 共青团中央 南方周末 AppSoNotes
项目始于2017年,当前更新于2021年2月
项目代码进行调整,调用以前的接口请使用pip install wechatarticles==0.5.8
。
- 爬取失败的时候,可能有以下原因
- 运行的时候需要关闭网络代理(抓包软件),或者添加相关参数
- 参数是否最新,获取微信相关参数(cookie、token)时,一定要保证是对应公众号的任意文章
- 检查代码
- 需要关注对应公众号(Maybe)
- 思路一获取url时,每页间隔可以设定久一点,比如3分钟,持续时间几小时(来自网友测试)
- 获取文章阅读点赞时,每篇文章可以设定在5-10s左右,过期时间为4小时;若被封,大约5-10分钟就可继续抓取。
- 思路二获取url时,如果被封,需要24小时整之后才能重新抓取
参数文件说明见README
python版本
-
python
: 3.6.2、3.7.3
功能实现
功能
公众号相关 公众号信息 公众号biz。获取方式:清博、公众号网页 公众号发表文章数量(不完全准确) 文章相关 某公众号文章的url。获取方式:公众号网页、PC端微信、移动端微信、微信读书 某公众号所有文章信息(包含点赞数、阅读数、评论信息),需要手动更改循环 某公众号指定文章的信息 支持微信文章下载至本地转为html(图片可选是否保存)API实例
利用公众号网页版获取微信文章url
此处有次数限制,不可一次获取太多url。解决方案多个账号同时爬取 test_WechatUrls.py
登录微信PC端获取文章信息
快速获取大量文章urls(利用历史文章获取链接)
利用公众号获取链接,并获取阅读点赞
微信文章下载为离线HTML(含图片)
相关文档
见博客与下方文档
official_cookie和token手动获取方式见这篇文档
wechat_cookie和appmsg_token手动获取的介绍,可以参考这篇文档
wechat_cookie和appmsg_token自动获取的介绍(需要安装mitmproxy
,已放弃),仅供参考这篇文档。默认开放端口为8080。