python使用webdriver爬取微信公众号

Python  /  管理员 发布于 7年前   186

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 webdriverimport timeimport jsonimport requestsimport reimport 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。