用Python获取公众号阅读数、点赞数。

最近利用了「新榜」和「壹伴」生成了自己的公众号年报。

对自己公众号一年来的数据算是有所了解。

比如总阅读数、总点赞数。

这里小F发现「新榜」和「壹伴」的数据居然不一样。

于是乎也想着自己去获取公众号数据,来统计一波。

看一下准确的数据究竟是多少?

主要用到谷歌浏览器、微信公众号平台、微信PC版、抓包软件Charles。

在谷歌浏览器上打开开发者工具,登陆微信公众号平台。

新建文章,添加超链接,便可得到文章链接的接口。

不过这里好像没有原创标识。

以前也写过一篇文章,忘记了里面有没有这个数据了...

可以获取到文章标题、文章摘要、文章链接、发布时间。

接口参数变化主要为cookie、token,基本上隔天变化一次。

fakeid参数为目标公众号参数,更换公众号会发生改变。

说到这里是没有获取到阅读数、点赞数的数据,还需要在电脑上进行抓包。

一开始小F并没有成功的使用Charles进行抓包,发现需要如下设置。

首先是设置Charles的Proxy,勾选macOs Proxy。

其次信任Charles的根证书,这样就能成功获取到信息。

其中的read_num、like_num便是阅读数和点赞数数据。

接口参数变化主要为cookie、appmsg_token,也是隔天变化一次。

appmsg_token参数的值可以在网页的源代码里找到,如下图。

如此一来我们就可以获取到数据啦~

可以看到截止到目前,小F2019年公众号文章的总阅读数为42811,总点赞数为828。

与「新榜」的数据基本吻合。

其他数据也能统计一些信息出来。

比如「发文时间数据」。

还有「全年发文排行榜」。

来瞅一眼小F自己获取到的数据情况。

基本上所差无几,说明方法还是有效的。

具体代码就不放了,有问题可以加微信交流。

爬虫(Web Crawler)是一种自动化程序,用于从互联网上收集信息。其主要功能是访问网页、提取数据并存储,以便后续分析或展示。爬虫通常由搜索引擎、数据挖掘工具、监测系统等应用于网络数据抓取的场景。 爬虫的工作流程包括以下几个关键步骤: URL收集: 爬虫从一个或多个初始URL开始,递归或迭代地发现新的URL,构建一个URL队列。这些URL可以通过链接分析、站点地图、搜索引擎等方式获取。 请求网页: 爬虫使用HTTP或其他协议向目标URL发起请求,获取网页的HTML内容。这通常通过HTTP请求库实现,如Python中的Requests库。 解析内容: 爬虫对获取的HTML进行解析,提取有用的信息。常用的解析工具有正则表达式、XPath、Beautiful Soup等。这些工具帮助爬虫定位和提取目标数据,如文本、图片、链接等。 数据存储: 爬虫将提取的数据存储到数据库、文件或其他存储介质中,以备后续分析或展示。常用的存储形式包括关系型数据库、NoSQL数据库、JSON文件等。 遵守规则: 为避免对网站造成过大负担或触发反爬虫机制,爬虫需要遵守网站的robots.txt协议,限制访问频率和深度,并模拟人类访问行为,如设置User-Agent。 反爬虫应对: 由于爬虫的存在,一些网站采取了反爬虫措施,如验证码、IP封锁等。爬虫工程师需要设计相应的策略来应对这些挑战。 爬虫在各个领域都有广泛的应用,包括搜索引擎索引、数据挖掘、价格监测、新闻聚合等。然而,使用爬虫需要遵守法律和伦理规范,尊重网站的使用政策,并确保对被访问网站的服务器负责。
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值