50行Python代碼，教你獲取公衆號所有文章

本文首發自公衆號：python3xxx

爬取公衆號的方式常見的有兩種

• 經過搜狗搜索去獲取，缺點是隻能獲取最新的十條推送文章
• 經過微信公衆號的素材管理，獲取公衆號文章。缺點是須要申請本身的公衆號。

今天介紹一種經過抓包PC端微信的方式去獲取公衆號文章的方法。相比其餘的方法很是方便。

如上圖，經過抓包工具獲取微信的網絡信息請求，咱們發現每次下拉刷新文章的時候都會請求 mp.weixin.qq.com/mp/profile_ext 這個接口。

通過屢次測試分析，用到了如下幾個參數

• __biz : 用戶和公衆號之間的惟一id，
• uin ：用戶的私密id
• key ：請求的祕鑰，一段時候只會就會失效。
• offset ：偏移量
• count ：每次請求的條數

數據以下

{
 "ret": 0,
 "errmsg": "ok", # 請求狀態
 "msg_count": 10,  # 信息條數
 "can_msg_continue": 1, # 是否還能夠繼續獲取，1表明能夠。0表明不能夠，也就是最後一頁
 "general_msg_list": "{"list":[]}", # 公衆號文本信息
 "next_offset": 20,  
 "video_count": 1,
 "use_video_tab": 1,
 "real_type": 0,
 "home_page_list": []
}

部分代碼以下

params = {
        '__biz': biz,
        'uin': uin,
        'key': key,
        'offset': offset,
        'count': count,
        'action': 'getmsg',
        'f': 'json'
    }

    headers = {
        'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/74.0.3729.131 Safari/537.36'
    }

    response = requests.get(url=url, params=params, headers=headers)
    resp_json = response.json()
    if resp_json.get('errmsg') == 'ok':
        resp_json = response.json()
        # 是否還有分頁數據， 用於判斷return的值
        can_msg_continue = resp_json['can_msg_continue']
        # 當前分頁文章數
        msg_count = resp_json['msg_count']
        general_msg_list = json.loads(resp_json['general_msg_list'])
        list = general_msg_list.get('list')
        print(list, "**************")

最後打印的list就是公衆號的文章信息詳情。包括標題(titile)、摘要(digest)、文章地址(content_url)、閱讀原文地址(source_url)、封面圖(cover)、做者(author)等等...

輸出結果以下：

[{
    "comm_msg_info": {
        "id": 1000000038,
        "type": 49,
        "datetime": 1560474000,
        "fakeid": "3881067844",
        "status": 2,
        "content": ""
    },
    "app_msg_ext_info": {
        "title": "入門爬蟲，這一篇就夠了！！！",
        "digest": "入門爬蟲，這一篇就夠了！！！",
        "content": "",
        "fileid": 0,
        "content_url": "http:XXXXXX",
        "source_url": "",
        "cover": "I5kME6BVXeLibZDUhsiaEYiaX7zOoibxa9sb4stIwrfuqID5ttmiaoVAFyxKF6IjOCyl22vg8n2NPv98ibow\\/0?wx_fmt=jpeg",
        "subtype": 9,
        "is_multi": 0,
        "multi_app_msg_item_list": [],
        "author": "Python3X",
        "copyright_stat": 11,
        "duration": 0,
        "del_flag": 1,
        "item_show_type": 0,
        "audio_fileid": 0,
        "play_url": "",
        "malicious_title_reason_id": 0,
        "malicious_content_type": 0
    }
},{...},{...},{...},{...},{...},{...},{...},{...},{...}]

獲取數據以後，能夠保存到數據庫中，也能夠將文章保存在PDF中。

一、保存在Mongo中

# Mongo配置
conn = MongoClient('127.0.0.1', 27017)
db = conn.wx  #鏈接wx數據庫，沒有則自動建立
mongo_wx = db.article  #使用article集合，沒有則自動建立

for i in list:
    app_msg_ext_info = i['app_msg_ext_info']
    # 標題
    title = app_msg_ext_info['title']
    # 文章地址
    content_url = app_msg_ext_info['content_url']
    # 封面圖
    cover = app_msg_ext_info['cover']

    # 發佈時間
    datetime = i['comm_msg_info']['datetime']
    datetime = time.strftime("%Y-%m-%d %H:%M:%S", time.localtime(datetime))

    mongo_wx.insert({
        'title': title,
        'content_url': content_url,
        'cover': cover,
        'datetime': datetime
    })

結果以下

二、導入到PDF文件中

Python3中經常使用的操做PDF的庫有python-pdf和pdfkit。我用了pdfkit這個模塊導出pdf文件。

pdfkit是工具包Wkhtmltopdf的封裝類，所以須要安裝Wkhtmltopdf才能使用。

能夠訪問 https://wkhtmltopdf.org/downl... 下載和操做系統匹配的工具包。

實現代碼也比較簡單，只須要傳入導入文件的url便可。

安裝pdfkit庫

pip3 install pdfkit -i http://pypi.douban.com/simple --trusted-host pypi.douban.com

import pdfkit
pdfkit.from_url('公衆號文章地址', 'out.pdf')

運行以後成功導出pdf文件。

以上就是獲取公衆號文章的方式，如需完整代碼，可在公衆號[python3xxx]中回覆 朋友圈 獲取完整代碼！