python爬取公众号，用最简单的方式爬虫

原创

Python疯子

发布于 2018-08-27 01:32:12

4770

发布于 2018-08-27 01:32:12

文章被收录于专栏：Python疯子Python疯子

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

3、弹出搜索框，搜索自己需要的公众号，查看历史文章

通过抓包获取请求的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

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