零基础小白也能实现的爬取微信公众号的标题、链接和时间！！！

准备工作

1. 准备一个微信公众号的账号：https://mp.weixin.qq.com/

   没有的话这里注册一个：

2. 之后点这个文章
   

3. 再点击超链接
   

4. 点击选择其他账号：

5. 输入你想爬取的公众号名称，例如我们搜索清华大学：
   

6. 鼠标右键检查代码，找到对应的网络，然后检索search
   

7. 找到User-Agent、Cookie、token，之后在代码进行更换
   
   
   

代码模块

import traceback
import requests
import pandas as pd  # 引入 pandas 处理数据
from pprint import pprint

# 创建 requests 会话
__session = requests.Session()
__headers = {
    "User-Agent": 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/131.0.0.0 Safari/537.36 Edg/131.0.0.0',
}
__params = {
    "lang": "zh_CN",
    "f": "json",
}

def get_fakeid(nickname):
    """获取微信公众号的 fakeid"""
    search_url = "https://mp.weixin.qq.com/cgi-bin/searchbiz"

    params = {
        "action": "search_biz",
        "query": nickname,
        "begin": 0,
        "count": 1,
        "ajax": "1",
        "lang": "zh_CN",
        "f": "json",
        "token": __params.get("token"),
    }

    try:
        response = __session.get(search_url, headers=__headers, params=params)
        response.raise_for_status()
        data = response.json()

        if "list" in data and data["list"]:
            return data["list"][0].get('fakeid')
        return None
    except requests.exceptions.RequestException as e:
        print(f"请求失败: {e}")
        return None
    except Exception as e:
        print(f"解析公众号 {nickname} 的 fakeid 失败: {traceback.format_exc()}")
        return None


def get_all_articles(nickname, fakeid, max_pages=20):
    """自动翻页获取公众号的所有文章"""
    if not fakeid:
        print(f"无效的 fakeid，无法获取 {nickname} 文章。")
        return []

    art_url = "https://mp.weixin.qq.com/cgi-bin/appmsg"
    begin = 0  # 从第 0 条开始
    all_articles = []
    page = 1  # 记录当前爬取的页数

    while page <= max_pages:
        params = {
            "query": '',
            "begin": begin,
            "count": 20,  # 每页尝试获取最多20篇
            "type": 9,
            "action": 'list_ex',
            "fakeid": fakeid,
            "lang": "zh_CN",
            "f": "json",
            "token": __params.get("token"),
        }

        try:
            response = __session.get(art_url, headers=__headers, params=params)
            response.raise_for_status()
            msg_json = response.json()

            if 'app_msg_list' not in msg_json or not msg_json['app_msg_list']:
                print(f"第 {page} 页没有更多文章，爬取结束！")
                break  # 没有更多文章，跳出循环

            # 解析文章信息，存入列表
            for item in msg_json.get('app_msg_list', []):
                all_articles.append({
                    "标题": item.get('title', ''),
                    "链接": item.get('link', ''),
                    "发布时间": item.get('update_time', ''),
                })

            print(f"已获取 {len(all_articles)} 篇文章，正在获取第 {page+1} 页...")

            # 翻页
            begin += len(msg_json['app_msg_list'])  # 适配不同页数的文章数量
            page += 1
        except requests.exceptions.RequestException as e:
            print(f"请求失败: {e}")
            break
        except Exception as e:
            print(f"解析文章失败: {traceback.format_exc()}")
            break

    return all_articles


def save_to_excel(articles, filename="公众号文章.xlsx"):
    """保存文章数据为 Excel 文件"""
    df = pd.DataFrame(articles)
    df.to_excel(filename, index=False, engine="openpyxl")  # ✅ 移除 encoding
    print(f"✅ 文章数据已保存为 Excel 文件: {filename}")


def main():
    nickname = "清华大学"

    # 用户手动输入 Cookie 和 token
    cookie = input("请输入你的微信公众号平台 Cookie: ")
    __headers["Cookie"] = cookie
    __params["token"] = input("请输入你的微信公众号 token: ")

    fakeid = get_fakeid(nickname)
    if not fakeid:
        print(f"未能找到公众号 {nickname} 的 fakeid，请检查是否输入正确。")
        return

    print(f"获取到 {nickname} 的 fakeid: {fakeid}")

    articles = get_all_articles(nickname, fakeid)

    if articles:
        print(f"共获取到 {len(articles)} 篇文章")
        # 选择保存格式
        save_to_excel(articles, "公众号文章_1.xlsx")  # 保存 Excel


if __name__ == '__main__':
    main()

在这里只需要将User-Agent进行更改，将页数更改为想要爬取的页数，即可，在这里我只爬取了前20页。并将主函数中的公众号“清华大学”改为你想爬取的公众号。

运行代码

输入Cookie和token，即可得到"公众号文章_1"的excel，可以看到只有三列，并且链接不是超链接，发布时间也不是正常格式。

这个时候我们执行以下代码：

import pandas as pd
from openpyxl import load_workbook
from openpyxl.utils import get_column_letter

def add_hyperlinks_and_save_new(filename="公众号文章_1.xlsx", new_filename="公众号文章_2.xlsx"):
    """从现有 Excel 文件中读取数据，添加超链接列，转换时间格式，并保存到新文件"""

    # 读取 Excel 数据
    df = pd.read_excel(filename, engine="openpyxl")

    # 确保表头符合预期
    if "链接" not in df.columns or "发布时间" not in df.columns:
        print("❌ Excel 文件格式错误，缺少 '链接' 或 '发布时间' 列！")
        return

    # 转换时间戳为日期格式
    df["发布时间"] = pd.to_datetime(df["发布时间"], unit="s")  # 转换时间格式

    # 创建新的 Excel 并先存储时间格式转换
    df.to_excel(new_filename, index=False, engine="openpyxl")

    # 加载 Excel 文件，修改"链接"列为超链接
    wb = load_workbook(new_filename)
    ws = wb.active

    for row in range(2, len(df) + 2):  # 从第2行开始（表头在第1行）
        link = df.iloc[row - 2]["链接"]  # 获取原始链接
        ws[f"B{row}"].value = f'=HYPERLINK("{link}", "点击查看")'  # 变为超链接

    # 自动调整列宽
    for col in range(1, ws.max_column + 1):
        col_letter = get_column_letter(col)
        ws.column_dimensions[col_letter].width = 30  # 设定固定列宽

    # 保存修改后的 Excel
    wb.save(new_filename)
    print(f"✅ 已成功生成新 Excel 文件: {new_filename}")

# ✅ 运行函数，不会覆盖原 Excel，而是生成一个新文件
add_hyperlinks_and_save_new("公众号文章_1.xlsx", "公众号文章_2.xlsx")

这样就重新得到了“公众号文章_2.xlsx”，并且链接也修改成超链接，时间更改成正常格式：

结束