python实现50行代码_50行Python代码，教你获取公众号全部文章
> 本文首發(fā)自公眾號：python3xxx
爬取公眾號的方式常見的有兩種
- 通過搜狗搜索去獲取，缺點是只能獲取最新的十條推送文章
- 通過微信公眾號的素材管理，獲取公眾號文章。缺點是需要申請自己的公眾號。
今天介紹一種通過抓包PC端微信的方式去獲取公眾號文章的方法。相比其他的方法非常方便。
如上圖，通過抓包工具獲取微信的網(wǎng)絡(luò)信息請求，我們發(fā)現(xiàn)每次下拉刷新文章的時候都會請求 mp.weixin.qq.com/mp/profile_ext 這個接口。
經(jīng)過多次測試分析，用到了以下幾個參數(shù)
- __biz : 用戶和公眾號之間的唯一id，
- uin ：用戶的私密id
- key ：請求的秘鑰，一段時候只會就會失效。
- offset ：偏移量
- count ：每次請求的條數(shù)
數(shù)據(jù)如下
```
{
"ret": 0,
"errmsg": "ok", # 請求狀態(tài)
"msg_count": 10, # 信息條數(shù)
"can_msg_continue": 1, # 是否還可以繼續(xù)獲取，1代表可以。0代表不可以，也就是最后一頁
"general_msg_list": "{"list":[]}", # 公眾號文本信息
"next_offset": 20,
"video_count": 1,
"use_video_tab": 1,
"real_type": 0,
"home_page_list": []
}
```
部分代碼如下
```
params = {
'__biz': biz,
'uin': uin,
'key': key,
'offset': offset,
'count': count,
'action': 'getmsg',
'f': 'json'
}
headers = {
'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/74.0.3729.131 Safari/537.36'
}
response = requests.get(url=url, params=params, headers=headers)
resp_json = response.json()
if resp_json.get('errmsg') == 'ok':
resp_json = response.json()
# 是否還有分頁數(shù)據(jù)， 用于判斷return的值
can_msg_continue = resp_json['can_msg_continue']
# 當(dāng)前分頁文章數(shù)
msg_count = resp_json['msg_count']
general_msg_list = json.loads(resp_json['general_msg_list'])
list = general_msg_list.get('list')
print(list, "**************")
```
最后打印的list就是公眾號的文章信息詳情。包括標(biāo)題(titile)、摘要(digest)、文章地址(content_url)、閱讀原文地址(source_url)、封面圖(cover)、作者(author)等等...
輸出結(jié)果如下：
```
[{
"comm_msg_info": {
"id": 1000000038,
"type": 49,
"datetime": 1560474000,
"fakeid": "3881067844",
"status": 2,
"content": ""
},
"app_msg_ext_info": {
"title": "入門爬蟲，這一篇就夠了！！！",
"digest": "入門爬蟲，這一篇就夠了！！！",
"content": "",
"fileid": 0,
"content_url": "http:XXXXXX",
"source_url": "",
"cover": "I5kME6BVXeLibZDUhsiaEYiaX7zOoibxa9sb4stIwrfuqID5ttmiaoVAFyxKF6IjOCyl22vg8n2NPv98ibow\\/0?wx_fmt=jpeg",
"subtype": 9,
"is_multi": 0,
"multi_app_msg_item_list": [],
"author": "Python3X",
"copyright_stat": 11,
"duration": 0,
"del_flag": 1,
"item_show_type": 0,
"audio_fileid": 0,
"play_url": "",
"malicious_title_reason_id": 0,
"malicious_content_type": 0
}
},{...},{...},{...},{...},{...},{...},{...},{...},{...}]
```
獲取數(shù)據(jù)之后，可以保存到數(shù)據(jù)庫中，也可以將文章保存在PDF中。
# 1、保存在Mongo中
```python
# Mongo配置
conn = MongoClient('127.0.0.1', 27017)
db = conn.wx #連接wx數(shù)據(jù)庫，沒有則自動創(chuàng)建
mongo_wx = db.article #使用article集合，沒有則自動創(chuàng)建
for i in list:
app_msg_ext_info = i['app_msg_ext_info']
# 標(biāo)題
title = app_msg_ext_info['title']
# 文章地址
content_url = app_msg_ext_info['content_url']
# 封面圖
cover = app_msg_ext_info['cover']
# 發(fā)布時間
datetime = i['comm_msg_info']['datetime']
datetime = time.strftime("%Y-%m-%d %H:%M:%S", time.localtime(datetime))
mongo_wx.insert({
'title': title,
'content_url': content_url,
'cover': cover,
'datetime': datetime
})
```
結(jié)果如下
# 2、導(dǎo)入到PDF文件中
Python3中常用的操作PDF的庫有python-pdf和pdfkit。我用了pdfkit這個模塊導(dǎo)出pdf文件。
pdfkit是工具包Wkhtmltopdf的封裝類，因此需要安裝Wkhtmltopdf才能使用。
可以訪問 https://wkhtmltopdf.org/downloads.html 下載和操作系統(tǒng)匹配的工具包。
實現(xiàn)代碼也比較簡單，只需要傳入導(dǎo)入文件的url即可。
安裝pdfkit庫
```python
pip3 install pdfkit -i http://pypi.douban.com/simple --trusted-host pypi.douban.com
```
```python
import pdfkit
pdfkit.from_url('公眾號文章地址', 'out.pdf')
```
運行之后成功導(dǎo)出pdf文件。
以上就是獲取公眾號文章的方式，如需完整代碼，可在公眾號[python3xxx]中回復(fù) **朋友圈** 獲取完整代碼！
總結(jié)
以上是生活随笔為你收集整理的python实现50行代码_50行Python代码，教你获取公众号全部文章的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： C语言指针详解（超级详细）
- 下一篇： python竞赛试题及答案_竞赛信息 |