目标公众号:吃鸡搞笑视频
设备:python集成工具–pyCharm

之所以称之为最近单方式,是因为–代码少,效果好

这里只爬了公众号的标题和链接,先上效果

代码

效果图

image.png

操作步骤:
1、先自己申请一个公众号,链接:https://mp.weixin.qq.com/
2、登录自己的账号,新建文章图文,点击超链接

image.png

3、弹出搜索框,搜索自己需要的公众号,查看历史文章

搜索公众号
查看历史文章

通过抓包获取请求的url

获取请求url

通过点击下一页,多次获取url发现,只有bengin的参数发生变化

image.png

所以我们确定了url,开始爬虫吧

image.png

报错信息如下,应该是缺少cookie和其他相关参数
添加上cookie进行,爬取,发现完全没问题(测试发现cookie的有效期很长),那就完全可用,方式被发现是爬虫我又添加了两个参数:
Host:域名 Referer:上次的请求 是我的操作更像浏览器

完整代码如下

# -*- coding: utf-8 -*-
import requests
import jsonpath

headers = {
"User-Agent": "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_13_3) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/67.0.3396.99 Safari/537.36",
"Host": "mp.weixin.qq.com",
"Referer": "https://mp.weixin.qq.com/cgi-bin/appmsg?t=media/appmsg_edit&action=edit&type=10&isMul=1&isNew=1&lang=zh_CN&token=1862390040",
"Cookie": "防止cookie过期,爬虫前,设置自己刚获取的cookie值"
       }

for i in range(44):
    url = "https://mp.weixin.qq.com/cgi-bin/appmsg?token=1862390040&lang=zh_CN&f=json&ajax=1&random=0.17794584803309532&action=list_ex&begin={}&count=5&query=&fakeid=&type=9".format(str(i * 5))

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

    jsonRes = response.json()

    titleList = jsonpath.jsonpath(jsonRes, "..title")
    urlList = jsonpath.jsonpath(jsonRes, "..link")

    # 遍历 构造可存储字符串
    for index in range(len(titleList)):
        title = titleList[index]
        url = urlList[index]

        scvStr = "%s,%s,n" % (title, url)
        with open("info.csv", "a+", encoding="gbk", newline='') as f:
            f.write(scvStr)

一共700+信息,没有丢数据

爬虫结果图

文章来源于互联网:python爬取公众号,用最简单的方式爬虫

发表评论