前段時(shí)間有個(gè)爬取公眾號(hào)評(píng)論小需求，花了幾天查了不少資料，實(shí)現(xiàn)方案有好幾種，最后其中一種得以實(shí)現(xiàn)。參考 【Python爬蟲】微信公眾號(hào)歷史文章和文章評(píng)論API分析 。
本人是 Python 小白，會(huì)忽略比較多的具體說(shuō)明，只記錄關(guān)鍵的幾點(diǎn)，以便能快速實(shí)現(xiàn) 。給同樣有興趣的童鞋提供個(gè)淺顯的參考。
也建議正在嘗試的童鞋靜下心來(lái)，一步步嘗試下去，畢竟我這個(gè)小白都成功了呢。當(dāng)然有錯(cuò)誤的地方也歡迎指正。
使用環(huán)境：
Mac 、 Anaconda、MySQL 和 MySQL workbench。
很多博客里使用的 Windows 安裝的 Python。但是 Mac 也沒關(guān)系，Anaconda 傳送門, MySQL傳送門, MySQL workbench 傳送門。
- Anaconda 中的 Spyder 用來(lái)運(yùn)行 Python 代碼；
- MySQL 是連接 Python 運(yùn)行結(jié)果和數(shù)據(jù)庫(kù)的橋梁 (這個(gè)有個(gè)坑點(diǎn)：安裝 MySQL 只是作為一個(gè)橋梁，并不能作為數(shù)據(jù)庫(kù)使用，所以要?jiǎng)?chuàng)建數(shù)據(jù)庫(kù)，否則會(huì)報(bào)錯(cuò))；
- MySQL workbench 用來(lái)創(chuàng)建、查看數(shù)據(jù)庫(kù)，并可以到處 csv 格式的文件。
準(zhǔn)備工作
首先需要提供公眾號(hào)文章列表鏈接和評(píng)論鏈接，用于分析修改 Python 代碼（具體的 Python 代碼實(shí)現(xiàn)，我只看懂了流程，但是不會(huì)寫）。那么就需要抓包了，有一些博客是使用 Fiddler，不過(guò)我使用 Charles 也完全足夠了。只要能拿到接口相關(guān)數(shù)據(jù)即可。（不會(huì)抓包的請(qǐng)自行查閱資料）
公眾號(hào)文章列表流程：打開要爬取的公眾號(hào) - 點(diǎn)擊右上角的 '人物' 圖標(biāo) - 點(diǎn)擊 '消息'底部的 '全部消息'
嘗試了幾次，剛打開文章列表，并沒有文章列表的接口，可以上拉刷新一下。
抓包數(shù)據(jù)中找到微信 mp.weixin.qq.com 的域名。會(huì)有很多接口，使用 Focus 功能只關(guān)注微信的，這里簡(jiǎn)化尋找過(guò)程，直接貼出來(lái)： https://mp.weixin.qq.com/mp/profile_ext?action=getmsg ：即為公眾號(hào)的文章列表接口；
https://mp.weixin.qq.com/mp/appmsg_comment?action=getcomment ：即為公眾號(hào)某篇文章的評(píng)論接口。
-
文章列表抓包截圖
文章列表抓包示意圖.png
-
文章評(píng)論抓包截圖
評(píng)論抓包示意圖 1.png
評(píng)論數(shù)據(jù)示意圖.png
我需要的就是 elected_comment 列表中每個(gè) Object 中的 content 內(nèi)容。Python 代碼已實(shí)現(xiàn)獲取邏輯。
Python 代碼中需要提供接口中的幾個(gè)參數(shù)：__biz、pass_ticket、app_msg_token、wap_sid2 和 cookie。具體作用可參頂部博客的說(shuō)明。
正式爬數(shù)據(jù)
提供代碼中所需的幾個(gè)字段后，可以在 Anaconda 中的 Spyder 運(yùn)行 Python 代碼（代碼在文末），然后替換其中的字段。即下面的幾個(gè)字
biz = 'MzIwNTc4NTEwOQ==' # "碼農(nóng)有道公眾號(hào)" mnyd_article mnyd_comment
pass_ticket = 'ZS3nqLX1df5GhZ+zf/t0FYyf7Nfp52yUJ+PuyJUKvQtyln78R3QzBU21Xo528IE+'
app_msg_token = '986_G0Sy%252FL2pNlAGA9PIXcqTRipxsKaGLurexidEyg~~' # 歷史文章
wap_sid2 = 'CL3qgfIFElxMOFBzZ2dZOHQ1WTcxamRQLXUyMGFiU0tvNkZzUEJmRURhZmtJTkhLcEtYWU9rNm5WYmUtd29qd3Q3UmVqbmpZXzFxS21GMG13amVjM1NEaUVPajZNZG9EQUFBfjDH8K3gBTgNQAE='
cookie = 'wxuin=1581282621; version=2607033b; pass_ticket={}; wap_sid2={}'.format(pass_ticket, wap_sid2)
在開始運(yùn)行代碼后開始遇到問(wèn)題：
1 ModuleNotFoundError: No module named 'pymysql'；
需要安裝數(shù)據(jù)庫(kù)，比如安裝 MySQL。
然后在代碼中替換自己的密碼
self.db = pymysql.connect(
host="localhost",
user="root",
password="123456",
port=3306,
use_unicode=True,
#charset="utf8",
database="sunshine")
self.cursor = self.db.cursor()
2 需要?jiǎng)?chuàng)建數(shù)據(jù)庫(kù)，比如代碼中數(shù)據(jù)庫(kù)名字為 sunshine；
3 代碼中 offset 大部分是 10，不過(guò)有些公眾號(hào)是 20，但是 10 也可以正常運(yùn)行，不用擔(dān)心；
4 因?yàn)槭悄M手機(jī)接口，爬取完數(shù)據(jù)后可能會(huì)出現(xiàn) '操作頻繁，請(qǐng)稍后再試'，這個(gè)沒有關(guān)系，等下再刷新就正常了。
基本上 Anaconda 等軟件安裝正確，數(shù)據(jù)庫(kù)已安裝，抓包數(shù)據(jù)沒錯(cuò)，替換 biz 等參數(shù)，替換數(shù)據(jù)庫(kù)配置密碼（或數(shù)據(jù)庫(kù)名），是可以正常運(yùn)行并且保存至數(shù)據(jù)庫(kù)。
注意
Python 代碼中需要修改的，都以 # ** 提示
當(dāng)時(shí)比較緊急，很多錯(cuò)誤沒有保存，現(xiàn)在回憶也零零散散。有需要的湊合看參考下吧。
發(fā)布文章要既要綁定手機(jī)號(hào)又要綁定微信，讓人很不爽 (小聲BB)
代碼示例
作者： cacho_37967865
# -!- coding: utf-8 -!-
'''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''
#作者：cacho_37967865
#博客：https://blog.csdn.net/sinat_37967865
#文件：wechatArticleList.py
#日期：2018-12-08
#備注：通過(guò)Fiddler抓包，獲取微信公眾號(hào)歷史文章信息和文章評(píng)論信息存儲(chǔ)到mysql數(shù)據(jù)庫(kù)表
'''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''
import requests
import json
import pymysql
from datetime import datetime
import re
class wechatArticle:
def __init__(self,_biz,_pass_ticket,_appmsg_token,_cookie,_offset=0):
self.offset = _offset # 不同公眾號(hào)不一樣
self.biz = _biz
self.pass_ticket = _pass_ticket
self.appmsg_token = _appmsg_token
self.headers = {
'cookie':_cookie,
'User-Agent':'Mozilla/5.0 (Linux; Android 8.0; FRD-AL00 Build/HUAWEIFRD-AL00; wv) AppleWebKit/537.36 (KHTML, like Gecko) Version/4.0 Chrome/57.0.2987.132'
}
self.db = pymysql.connect(
# ** password 需要替換為自己的。數(shù)據(jù)庫(kù)名 database 視情況，是否修改看個(gè)人需要
host="localhost",
user="root",
password="123456",
port=3306,
use_unicode=True,
#charset="utf8",
database="sunshine")
self.cursor = self.db.cursor()
def get_article_list(self):
offset = self.offset
while True:
api = 'https://mp.weixin.qq.com/mp/profile_ext?action=getmsg&__biz={0}&f=json&offset={1}&count=10&is_ok=1&scene=126&uin=777&key=777&pass_ticket={2}&wxtoken=&appmsg_token={3}&x5=1&f=json'.format(self.biz, offset, self.pass_ticket, self.appmsg_token)
resp = requests.get(api, headers=self.headers).json()
print(type(resp), resp) # 字典類型
ret, status = resp.get('ret'), resp.get('errmsg') # 狀態(tài)信息
if ret == 0 or status == 'ok':
offset = resp['next_offset']
general_msg_list = resp['general_msg_list']
#print(type(general_msg_list),general_msg_list) # json類型
msg_list = json.loads(general_msg_list)['list'] # 先轉(zhuǎn)化為字典類型再獲取列表類型
for msg in msg_list:
comm_msg_info = msg['comm_msg_info'] # 字典類型，每次推送的消息（一次三篇）
msg_id = comm_msg_info['id'] # 推送消息的id
post_time = datetime.fromtimestamp(comm_msg_info['datetime']) # 發(fā)布時(shí)間
try:
app_msg_ext_info = msg['app_msg_ext_info'] # 字典類型，文章信息（一次三篇）
first_article_id = app_msg_ext_info['fileid']
first_article_title = app_msg_ext_info['title'] # 本次推送的首條文章標(biāo)題
first_article_digest = app_msg_ext_info['digest'] # 本次推送的首條文章摘要
first_article_url = app_msg_ext_info['content_url']
self.get_article_detail(first_article_id,first_article_url)
first_url = first_article_url.replace('amp;', '').split('&chksm')[0]
self.article_to_mysql(msg_id, first_article_id, first_article_title, first_article_digest,first_url, post_time)
multi_app_msg_item_list = app_msg_ext_info.get('multi_app_msg_item_list')
for article in multi_app_msg_item_list:
article_id = article['fileid']
multi_article_title = article['title']
multi_article_digest = article['digest']
multi_article_url = article['content_url']
self.get_article_detail(article_id,multi_article_url)
multi_url = multi_article_url.replace('amp;', '').split('&chksm')[0]
self.article_to_mysql(msg_id, article_id, multi_article_title, multi_article_digest,multi_url, post_time)
except Exception as f:
print(str(f))
def get_article_detail(self,article_id,content_url):
try:
url = content_url.replace('amp;', '').replace('#wechat_redirect', '').replace('http', 'https')
html = requests.get(url, headers=self.headers).text
#print(html)
except:
print('獲取評(píng)論失敗' + content_url)
else:
str_comment = re.search(r'var comment_id = "(.*)" \|\| "(.*)" \* 1;', html)
str_msg = re.search(r"var appmsgid = '' \|\| '(.*)'\|\|", html) # 文章的id
str_token = re.search(r'window.appmsg_token = "(.*)";', html)
if str_comment and str_msg and str_token:
comment_id = str_comment.group(1) # 評(píng)論id(固定)
app_msg_id = str_msg.group(1) # 票據(jù)id(非固定)
appmsg_token = str_token.group(1) # 票據(jù)token(非固定)
# 缺一不可
if comment_id and app_msg_id and appmsg_token:
print("爬取評(píng)論的鏈接:" + url,html)
self.get_article_comments(app_msg_id,comment_id,appmsg_token,article_id)
def get_article_comments(self,app_msg_id,comment_id,appmsg_token,article_id):
api = 'https://mp.weixin.qq.com/mp/appmsg_comment?action=getcomment&scene=0&__biz={0}&appmsgid={1}&idx=2&comment_id={2}&offset=0&limit=100&uin=777&key=777&pass_ticket={3}&wxtoken=777&devicetype=android-26&clientversion=2607033b&appmsg_token={4}&x5=1&f=json'.format(
self.biz, app_msg_id, comment_id, self.pass_ticket, appmsg_token)
resp = requests.get(api, headers=self.headers).json()
ret, status = resp['base_resp']['ret'], resp['base_resp']['errmsg']
if ret =='0' or status == 'ok':
elected_comment = resp['elected_comment']
for comment in elected_comment:
content_id = comment.get('content_id') # 評(píng)論ID
nick_name = comment.get('nick_name') # 評(píng)論人昵稱
like_num = comment.get('like_num') # 點(diǎn)贊
comment_time = datetime.fromtimestamp(comment.get('create_time')) # 評(píng)論時(shí)間
content = comment.get('content') # 評(píng)論內(nèi)容
#print("評(píng)論內(nèi)容文章：",article_id,nick_name)
self.comment_to_mysql(article_id,content_id,comment_time,nick_name,like_num,content)
def create_article_table(self):
sql1 = 'drop table if exists mnyd_article;'
sql2 = 'create table mnyd_article(No INT(11) NOT NULL AUTO_INCREMENT,msg_id VARCHAR(15),article_id VARCHAR(15),post_time timestamp(2),title VARCHAR(200),digest VARCHAR(200),article_url varchar(300),PRIMARY KEY (No));'
self.cursor.execute(sql1)
self.cursor.execute(sql2)
self.db.commit()
def article_to_mysql(self,msg_id, article_id,title,digest,article_url,post_time):
sql = "insert into mnyd_article(msg_id,article_id,title,digest,article_url,post_time) values('%s','%s','%s','%s','%s','%s')" % (msg_id,article_id,title, digest,article_url,post_time)
try:
# 使用 cursor() 方法創(chuàng)建一個(gè)游標(biāo)對(duì)象 cursor
self.cursor.execute(sql)
except Exception as e:
# 發(fā)生錯(cuò)誤時(shí)回滾
self.db.rollback()
print(str(e))
else:
self.db.commit() # 事務(wù)提交
print('事務(wù)處理成功')
def create_comment_table(self):
sql1 = 'drop table if exists mnyd_comment;'
sql2 = "create table mnyd_comment(No INT(11) NOT NULL AUTO_INCREMENT,article_id VARCHAR(15),content_id VARCHAR(20),comment_time timestamp(2),nick_name VARCHAR(50),like_num int,content varchar(1000),PRIMARY KEY (No)) COLLATE='utf8mb4_unicode_ci';"
self.cursor.execute(sql1)
self.cursor.execute(sql2)
self.db.commit()
def comment_to_mysql(self,article_id,content_id,comment_time,nick_name,like_num,content):
sql = "insert into mnyd_comment(article_id,content_id,comment_time,nick_name,like_num,content) values('%s','%s','%s','%s','%i','%s')" % (article_id,content_id,comment_time, nick_name,like_num,content)
try:
# 使用 cursor() 方法創(chuàng)建一個(gè)游標(biāo)對(duì)象 cursor
self.cursor.execute(sql)
except Exception as e:
# 發(fā)生錯(cuò)誤時(shí)回滾
self.db.rollback()
print(str(e))
else:
self.db.commit() # 事務(wù)提交
print('事務(wù)處理成功')
if __name__ == '__main__':
# ** 以下幾個(gè)字段需要替換為自己需要的，每個(gè)公眾號(hào)都是不同的
biz = 'MzIwNTc4NTEwOQ==' # "碼農(nóng)有道公眾號(hào)" mnyd_article mnyd_comment
pass_ticket = 'ZS3nqLX1df5GhZ+zf/t0FYyf7Nfp52yUJ+PuyJUKvQtyln78R3QzBU21Xo528IE+'
app_msg_token = '986_G0Sy%252FL2pNlAGA9PIXcqTRipxsKaGLurexidEyg~~' # 歷史文章
wap_sid2 = 'CL3qgfIFElxMOFBzZ2dZOHQ1WTcxamRQLXUyMGFiU0tvNkZzUEJmRURhZmtJTkhLcEtYWU9rNm5WYmUtd29qd3Q3UmVqbmpZXzFxS21GMG13amVjM1NEaUVPajZNZG9EQUFBfjDH8K3gBTgNQAE='
cookie = 'wxuin=1581282621; version=2607033b; pass_ticket={}; wap_sid2={}'.format(pass_ticket, wap_sid2)
# 以上信息不同公眾號(hào)每次抓取都需要借助抓包工具做修改
wxarticles = wechatArticle(biz, pass_ticket, app_msg_token, cookie)
wxarticles.create_article_table() # 創(chuàng)建數(shù)據(jù)庫(kù)表記錄文章
wxarticles.create_comment_table() # 創(chuàng)建數(shù)據(jù)庫(kù)表記錄評(píng)論
wxarticles.get_article_list() # 開始爬取文章和評(píng)論
