python爬取公众号推荐_python爬搜狗微信获取指定微信公众号的文章

前言：

之前收藏了一个叫微信公众号的文章爬取，里面用到的模块不错。然而

偏偏报错= =。果断自己写了一个

正文：

第一步爬取搜狗微信搜到的公众号：

http://weixin.sogou.com/weixin?type=1&query=FreeBuf&ie=utf8&s_from=input&_sug_=n&_sug_type_=1&w=01015002&oq=&ri=11&sourceid=sugg&sut=0&sst0=1529673558816&lkt=0%2C0%2C0&p=40040108

将FreeBuf改为自己要搜的公众号

查看网页源代码：

正则匹配：

第一个正则：匹配指定的URL 正则： src=.*&timestamp=.*&ver=.*&signature=.*

蓝色标出来的是我们要的，注意多请求URL可以注意到URL，signature也就是签名是随机变化的。所以可得到正则：.*== ,取第一个，然后打开此链接爬取文章链接即可(更多细节会在代码看到)

代码：

importrequestsimportreimportthreading

user=input('请输入要搜索的微信公众号或微信号:')

headers={'user-agent':'Mozilla/5.0 (Windows; U; Windows NT 5.1; zh-CN) AppleWebKit/523.15 (KHTML, like Gecko, Safari/419.3) Arora/0.3 (Change: 287 c9dfb30)'}

url='http://weixin.sogou.com/weixin?type=1&s_from=input&query={}&ie=utf8&_sug_=y&_sug_type_=&w=01015002&oq=jike&ri=0&sourceid=sugg&stj=0%3B0%3B0%3B0&stj2=0&stj0=0&stj1=0&hp=36&hp1=&sut=4432&sst0=1529305369937&lkt=5%2C1529305367635%2C1529305369835'.format(user.rstrip())defzhuaqu():

r= requests.get(url=url, headers=headers)

rsw= re.findall('src=.*&timestamp=.*&ver=.*&signature=.*', str(r.text))if '验证码' instr(r.text):print('[-]发现验证码请访问URL:{}后在重新运行此脚本'.format(r.url))

exit()else:

cis= re.findall('.*?==', str(rsw[0]))

qd= "".join(cis)

qd2= "{}".format(qd)

qd3= qd2.replace(';', '&')

urls= 'https://mp.weixin.qq.com/profile?'.strip() +qd3

uewq=requests.get(url=urls,headers=headers)if '验证码' instr(uewq.text):print('[-]发现验证码请访问URL:{}后在重新运行此脚本'.format(uewq.url))

exit()else:

ldw= re.findall('src = ".*?" ;', uewq.text)

ldw2=re.findall('timestamp = ".*?" ;',uewq.text)

ldw3=re.findall('ver = ".*?" ;',uewq.text)

ldw4=re.findall('signature = ".*?"',uewq.text)

ldws="".join(ldw)

ldw2s="".join(ldw2)

ldw3s="".join(ldw3)

ldw4s="".join(ldw4)

ldwsjihe=ldws+ldw2s+ldw3s+ldw4s

fk=ldwsjihe.split()

fkchuli="".join(fk)

gs=fkchuli.replace('"','')

hew=gs.replace(';','&')

wanc="http://mp.weixin.qq.com/profile?"+hew

xiau=requests.get(url=wanc,headers=headers)

houxu=re.findall('{.*?}',xiau.content.decode('utf-8'))

title=re.findall('"title":".*?"',str(houxu))

purl=re.findall('"content_url":".*?"',str(houxu))for i inrange(0,len(title)):

jc='{}:{}'.format(title[i],'https://mp.weixin.qq.com'+purl[i]).replace('"','')

jc2=jc.replace('content_url','')

jc3=jc2.replace(';','&')print(jc3)

t=threading.Thread(target=zhuaqu,args=())

t.start()

测试结果：

BGM：