python爬取微信公众号_python使用webdriver爬取微信公众号

本文实例为大家分享了python使用webdriver爬取微信公众号的具体代码，供大家参考，具体内容如下

# -*- coding: utf-8 -*-

from selenium import webdriver

import time

import json

import requests

import re

import random

#微信公众号账号

user=""

#公众号密码

password=""

#设置要爬取的公众号列表

gzlist=['香河微服务']

#登录微信公众号，获取登录之后的cookies信息，并保存到本地文本中

def weChat_login():

#定义一个空的字典，存放cookies内容

post={}

#用webdriver启动谷歌浏览器

print("启动浏览器，打开微信公众号登录界面")

driver = webdriver.Chrome(executable_path='E:\\program\\chromedriver.exe')

#打开微信公众号登录页面

driver.get('https://mp.weixin.qq.com/')

#等待5秒钟

time.sleep(5)

print("正在输入微信公众号登录账号和密码......")

#清空账号框中的内容

driver.find_element_by_xpath("//*[@id=\"header\"]/div[2]/div/div/form/div[1]/div[1]/div/span/input").clear()

#自动填入登录用户名

driver.find_element_by_xpath("//*[@id=\"header\"]/div[2]/div/div/form/div[1]/div[1]/div/span/input").send_keys(user)

#清空密码框中的内容

driver.find_element_by_xpath("//*[@id=\"header\"]/div[2]/div/div/form/div[1]/div[2]/div/span/input").clear()

#自动填入登录密码

driver.find_element_by_xpath("//*[@id=\"header\"]/div[2]/div/div/form/div[1]/div[2]/div/span/input").send_keys(password)

# 在自动输完密码之后需要手动点一下记住我

print("请在登录界面点击:记住账号")

time.sleep(10)

#自动点击登录按钮进行登录

driver.find_element_by_xpath("//*[@id=\"header\"]/div[2]/div/div/form/div[4]/a").click()

# 拿手机扫二维码！

print("请拿手机扫码二维码登录公众号")

time.sleep(20)

print("登录成功")

#重新载入公众号登录页，登录之后会显示公众号后台首页，从这个返回内容中获取cookies信息

driver.get('https://mp.weixin.qq.com/')

#获取cookies

cookie_items = driver.get_cookies()

#获取到的cookies是列表形式，将cookies转成json形式并存入本地名为cookie的文本中

for cookie_item in cookie_items:

post[cookie_item['name']] = cookie_item['value']

cookie_str = json.dumps(post)

with open('cookie.txt', 'w+') as f:

f.write(cookie_str)

print("cookies信息已保存到本地")

#爬取微信公众号文章，并存在本地文本中

def get_content(query):

#query为要爬取的公众号名称

#公众号主页

url = 'https://mp.weixin.qq.com'

#设置headers

header = {

"HOST": "mp.weixin.qq.com",

"User-Agent": "Mozilla/5.0 (Windows NT 6.1; WOW64; rv:53.0) Gecko/20100101 Firefox/53.0"

}

#读取上一步获取到的cookies

with open('cookie.txt', 'r') as f:

cookie = f.read().decode("UTF-8")

cookies = json.loads(cookie)

#登录之后的微信公众号首页url变化为：https://mp.weixin.qq.com/cgi-bin/home?t=home/index&lang=zh_CN&token=1849751598，从这里获取token信息

response = requests.get(url=url, cookies=cookies)

token = re.findall(r'token=(\d+)', str(response.url))[0]

#搜索微信公众号的接口地址

search_url = 'https://mp.weixin.qq.com/cgi-bin/searchbiz?'

#搜索微信公众号接口需要传入的参数，有三个变量：微信公众号token、随机数random、搜索的微信公众号名字

query_id = {

'action': 'search_biz',

'token' : token,

'lang': 'zh_CN',

'f': 'json',

'ajax': '1',

'random': random.random(),

'query': query,

'begin': '0',

'count': '5'

}

#打开搜索微信公众号接口地址，需要传入相关参数信息如：cookies、params、headers

search_response = requests.get(search_url, cookies=cookies, headers=header, params=query_id)

#取搜索结果中的第一个公众号

lists = search_response.json().get('list')[0]

#获取这个公众号的fakeid，后面爬取公众号文章需要此字段

fakeid = lists.get('fakeid')

#微信公众号文章接口地址

appmsg_url = 'https://mp.weixin.qq.com/cgi-bin/appmsg?'

#搜索文章需要传入几个参数：登录的公众号token、要爬取文章的公众号fakeid、随机数random

query_id_data = {

'token': token,

'lang': 'zh_CN',

'f': 'json',

'ajax': '1',

'random': random.random(),

'action': 'list_ex',

'begin': '0',#不同页，此参数变化，变化规则为每页加5

'count': '5',

'query': '',

'fakeid': fakeid,

'type': '9'

}

#打开搜索的微信公众号文章列表页

appmsg_response = requests.get(appmsg_url, cookies=cookies, headers=header, params=query_id_data)

#获取文章总数

max_num = appmsg_response.json().get('app_msg_cnt')

#每页至少有5条，获取文章总的页数，爬取时需要分页爬

num = int(int(max_num) / 5)

#起始页begin参数，往后每页加5

begin = 0

while num + 1 > 0 :

query_id_data = {

'token': token,

'lang': 'zh_CN',

'f': 'json',

'ajax': '1',

'random': random.random(),

'action': 'list_ex',

'begin': '{}'.format(str(begin)),

'count': '5',

'query': '',

'fakeid': fakeid,

'type': '9'

}

print('正在翻页：--------------',begin)

#获取每一页文章的标题和链接地址，并写入本地文本中

query_fakeid_response = requests.get(appmsg_url, cookies=cookies, headers=header, params=query_id_data)

fakeid_list = query_fakeid_response.json().get('app_msg_list')

for item in fakeid_list:

content_link=item.get('link')

content_title=item.get('title')

fileName=query+'.txt'

# with open('e://xhwfw.txt','a') as fh:

# fh.write(content_title+":\n"+content_link+"\n")

print content_title+":\n"+content_link+"\n"

num -= 1

begin = int(begin)

begin+=5

time.sleep(2)

if __name__=='__main__':

try:

#登录微信公众号，获取登录之后的cookies信息，并保存到本地文本中

weChat_login()

#登录之后，通过微信公众号后台提供的微信公众号文章接口爬取文章

for query in gzlist:

#爬取微信公众号文章，并存在本地文本中

print("开始爬取公众号："+query)

get_content(query)

print("爬取完成")

except Exception as e:

print(str(e))

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持我们。

本文标题: python使用webdriver爬取微信公众号

本文地址: http://www.cppcns.com/jiaoben/python/238791.html