微信客户端公众号爬虫

微信公众号文章的爬虫可以通过多种方式,例如搜狗的接口,传送门等网站,但是有个问题,就是这些网站只能获取文章的内容,而不能获取文章相应的点赞数评论数,以及阅读量等信息,所以今天教一下大家通过微信客户端进行爬取这些信息。

我们用电脑微信客户端登陆自己的微信,可以观察到微信文章是不能直接在浏览器上访问到详细信息的,所以我们爬取还是要通过抓包。本文抓取的主要思路是这样的,通过抓包分析微信公众号向服务器发送的各种请求以及各种参数之间的关系,然后用python模拟客户端发送请求,获取相应的数据,下面展开详细讲解。

首先将手机和电脑连接在同一个局域网内,然后用fiddler设置代理,通过手机访问公众号历史信息,获取请求数据。如图,随机点击一个公众号的历史信息

图片.png

这个URL比较长,但是我们可以精简一下成这样
https://mp.weixin.qq.com/mp/profile_ext?action=home&__biz={biz}&scene=124&devicetype=iOS10.0.2&version=16050321&lang=zh_CN&nettype=WIFI&a8scene=3&fontScale=131&wx_header=1'.format(biz=self.biz)
其中biz相当于公众的身份证号,一个公众号只要一个,所以我们只要模拟请求该URL就可以了,但是里面有个key关键参数,这个key值怎么产生的不知道,而且有时效性,每过20来分钟就失效了,但是20多分对于抓取一个公众号足以,于是模拟访问该url,获得第一次访问历史页面的文章,一般是10篇,如图是模仿请求然后用正则获取文章url的代码

图片.png

输出如图

图片.png

接着的思路是访问每个详细文章页,获得文章标题,摘要,内容,而且分析请求可知,要获取文章的点赞阅读,以及评论,必须要根据文章详情页的参数。这里先看文章点赞阅读的请求

图片.png

该请求是post请求,要获得需要的数据有两个关键点,第一个是cookie里面的wip_sid2这个值,一定要带上,该值也是有时效性的,不过可以夸公众号访问,不像key只那么严格,另外一个关键点是该请求需要提交的data,如图

图片.png

分析过data发现里面前面的两个值都是在文章内容页面提取的,而且其他参数可以去掉,然后就可以模拟请求了,如图代码


接下来是评论的抓取,评论的的返回都是json数据,比较好解析,先看请求

图片.png

评论的url里面携带了多个参数,有mid,sn,idx,第一个应该是文章的id,sn应该也是属于标记之类的,idx是表示本文是该作者当天第几篇发表的文章,一般是1或者2,这些都可以再详情页获取,下面是模拟请求的代码

图片.png

里面headers的伪装于获取点赞的headers一样
有了根据文章url获取所有数据的办法只好,接下来看看怎么翻页获取文章的URL,在手机中下拉刷新文章的时候,触发的是该请求

图片.png

如图,最关键的还是wap_sid这个参数,携带上这个参数加上refer跟ua就能访问下一页了,下一页返回的数据是json,直接解析就好了,headers也是比较简单的

图片.png

first_url就是第一次访问历史信息的url
这样就能翻页抓取了,本人在代码里面翻页是利用文章的一个根据文章有递减规律的id,因为在翻页url里面的count参数不管用了,无论怎么访问还是只返回10个一次。
总结:在爬取的时候还是要手动截取公众号的key值跟wap_sid值,这两个值在首次访问历史信息都可以从客户端产生,虽然能爬,但还是不够自动化,感觉应该有更好的办法可以截取这两个参数,贴一张这两个参数的获取位置

图片.png

上两张结果图,
下面这个爬取的是python中文社区的文章

图片.png

这是萌叔在杭州公众号:

图片.png

最后值得得一提的是两点,要想批量化抓取抓取微信公众号还是比较难的,有两个问题,第一个就是微信很容易封号,尤其是那些刚刚注册没有银行卡的(腾讯说:用微信哪有不付花钱?),而且微信号不像微博号那么好买啊,分分钟几块钱一个,还有一个就是自动化抓取,题主之前想过用按键精灵进行养号以及浏览要爬取的公众号,然后抓包软件自动捕获请求头写进本地文件,这个改几行fiddle的配置文件就好了,然后爬虫进行监听,然后获取相应的参数自行爬取信息,想想现在还是挺难实现的,那些利用微信爬虫做成了热搜榜的,我也好想探究一下整个流程啊,有什么好的改进的建议,各位小伙伴踊跃提啊;
第二点是这个爬虫当时让楼主获得了一个爬虫工程师的面试机会,楼主是去年毕业今年才转行的,大学读的还是文科,虽然最后还是没进去这间公司,好遗憾。。。要是有想转行做爬虫工程师的小伙伴可以考虑一下如何进行批量化抓取。

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 151,688评论 1 330
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 64,559评论 1 273
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 101,749评论 0 226
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 42,581评论 0 191
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 50,741评论 3 271
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 39,684评论 1 192
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 31,122评论 2 292
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 29,847评论 0 182
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 33,441评论 0 228
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 29,939评论 2 232
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 31,333评论 1 242
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 27,783评论 2 236
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 32,275评论 3 220
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 25,830评论 0 8
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 26,444评论 0 180
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 34,553评论 2 249
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 34,618评论 2 249

推荐阅读更多精彩内容

  • Android 自定义View的各种姿势1 Activity的显示之ViewRootImpl详解 Activity...
    passiontim阅读 170,471评论 25 707
  • Spring Cloud为开发人员提供了快速构建分布式系统中一些常见模式的工具(例如配置管理,服务发现,断路器,智...
    卡卡罗2017阅读 134,049评论 18 139
  • 很多的微信公众号都提供了质量比较高的文章阅读,对于自己喜欢的微信公众号,所以想做个微信公众号爬虫,爬取相关公众号的...
    Evtion阅读 11,714评论 8 23
  • 今天是7月7日,007的生日,因为庆祝这个活动,我认识了同班同学吴先梅。加入007的12班已经两个月了,我和007...
    louise杨琴阅读 350评论 8 6
  • 不知道每个人是否会有这样的体验?在空闲的暑假总会温习以前看过的电视剧、电影以及书籍。山下智久说“关于夏天的回忆,就...
    mikasang阅读 1,242评论 1 2