如何利用 Python 爬虫实现给微信群发新闻早报？（详细）

AirPython

发布于 2020-05-27 23:03:10

8840

发布于 2020-05-27 23:03:10

文章被收录于专栏：Python 自动化Python 自动化

1. 场景

经常有小伙伴在交流群问我，每天的早报新闻是怎么获取的？

其实，早期使用的方案，是利用爬虫获取到一些新闻网站的标题，然后做了一些简单的数据清洗，最后利用 itchat 发送到指定的社群中。

由于爬虫面对网站改版的不稳定性及 itchat 不安全性，所以放弃了这种方案

后期更改了一种方案，通过修改爬虫方案，创建 API 服务，编写 App 去获取数据，然后手动发送到微信群

本篇文章将和大家详细聊聊具体的实现过程

2. 数据爬取

第 1 步，通过 Python 爬虫获取数据

获取方式有 2 种，分别是：已有的新闻早报网站、新闻网站的头条新闻

选择一种爬虫方式，就能很快地爬取到目标网站的数据

第 2 步，数据清洗，排序

将爬取到的数据先进行一次关键字筛选，然后按照点赞或者阅读数按照热点进行排序

第 3 步，参数化，去重

去掉数据中重复的新闻，然后将最后展示的数目参数化

# 按照点赞数目，降序排列
news_sorted_pro = sorted(news, key=itemgetter('news_approve_num'), reverse=True)

result = []

for news_sorted_item in news_sorted_pro:
      result.append(news_sorted_item.get('title'))

# 去重
result = sorted(set(result), key=result.index)

# 只取前12条数据
result = result[:self.news_num] if len(result) >= self.news_num else result

需要注意的是，由于新闻网站会经常改版，建议爬取多个新闻网站，做好异常处理，做一个优先级，如果一个网站爬取数据失败，切换到下一个级别的网站爬取数据

3. 服务化

将数据服务化，即编写 API，目的是为了方便终端调用

如果使用 Python 编写 API，建议使用 FastAPI 或 Flask 框架，因为这两个框架开发 API 方便快捷，以 FastAPI 为例：

第 1 步，安装依赖

包含 FastAPI 框架及 hypercorn 依赖，hypercorn 是独立的 ASGI 服务器，方便 FastAPI 项目的部署

# FastAPI框架
pip3 install fastapi

pip3 install hypercorn

第 2 步，编写 API

使用 FastAPI 很方便，不到 10 行代码就能编写一个接口服务

只需要实例化 FastAPI 对象，利用装饰器指定请求方法和路径即可，调用上面的爬虫方法即可。

from fastapi import FastAPI

# 实例化
app = FastAPI()

# API，Get方式
@app.get("/last_news")
def get_last_news():
    """
    最新的新闻
    :return:
    """
    news = get_news()

    data = {
        'code': 0,
        'news': news
    }

    # 封装
    return data

如要想本地调试 API，可以通过 uvicorn 命令运行项目

# 运行项目
uvicorn news:app --reload

然后访问下面的地址，查看返回的新闻数据

http://127.0.0.1:8000/last_news

第 3 步，生成依赖迁移文件

使用 pip freeze 命令将在本地生成依赖迁移文件

# 生成迁移文件
pip freeze > requirements.txt

第 4 步，上传代码

将代码上传到代码托管平台，比如：码云、GitLab 等

第 5 步，服务器拉取代码

服务器中通过 git 拉取代码，并通过依赖文件一键安装所有依赖

# 安装依赖
pip3 install -r requirements.txt

第 6 步，运行服务

使用 hypercorn 运行 FastAPI 项目，使进程一直在后台运行，并保存运行日志信息

# 后台运行
# 保存日志，绑定端口号为：8000
# nohup hypercorn news:app --bind 0.0.0.0:8000 > /news.log 2>&1 &

需要注意的是，项目绑定的端口号需要在防火墙和云服务器安全组开启

当然，如果使用 Java 编写 API，推荐使用 Spring Boot，可以快速开发一个 Restful API 服务

4. 编写 App

完成 API 服务之后，接下来就是在终端编写一款 App 去访问 API，拿到数据并展示出来

以编写一款 Android 应用为例

首先，我们在界面上放置一个文本显示框和一个按钮控件

然后，对按钮控件设置点击事件的监听

get_news_btn = findViewById(R.id.get_news_btn);

//监听事件
get_news_btn.setOnClickListener(this);

@Override
public void onClick(View v)
{
    switch (v.getId())
    {
        case R.id.get_news_btn:
            news_et.setText("获取中。。。");
            getNewsMet();
            break;
        }
    }

接着，使用 Android 的网络请求框架 OkHttp 框架调用 API 获取数据

/***
* 获取新闻
*/
private void getNewsMet()
{
     OkHttpClient okHttpClient = new OkHttpClient();
     //构建请求信息：连接请求url 请求方法method 请求头部headers 请求体body 标签tag
     Request request = new Request.Builder().url(url).get().build();
//        Call call = okHttpClient.newCall(request);

     okHttpClient.newCall(request).enqueue(new Callback()
     {
          @Override
          public void onFailure(Call call, IOException e)
          {
              Log.d("xag", "获取失败");
              showResult(false, "");
          }

          @Override
          public void onResponse(Call call, final Response response) throws IOException
          {
              Log.d("xag", "获取成功")
              parseJsonWithJsonObject(response);
          }
      });
}

最后，将新闻数据显示在文本控件中，并复制到系统剪切板

private void copyToClip(String content)
{
     //获取剪贴板管理器：
     ClipboardManager cm = (ClipboardManager) getSystemService(CLIPBOARD_SERVICE);
     // 创建普通字符型ClipData
     ClipData mClipData = ClipData.newPlainText("Label", content);
     // 将ClipData内容放到系统剪贴板里。
     if (null != cm)
     {
         cm.setPrimaryClip(mClipData);
     }
}

如果只有 iOS 设备，使用 Xcode 编写 iOS 应用，建议将 Xcode 升级到 11.0 以上

创建项目的时候，推荐使用 SwiftUI 构建 UI 界面，然后利用 CocoaPods 添加 Alamofire 网络请求依赖库，其他操作步骤和 Android 端类似，这里不展开说明

# Uncomment the next line to define a global platform for your project
source 'https://github.com/CocoaPods/Specs.git'

platform :ios, '9.0'

use_frameworks!

target 'news_eve' do
  # Comment the next line if you don't want to use dynamic frameworks
  pod 'Alamofire'
  pod 'SwiftyJSON'
  pod 'HandyJSON'
  # Pods for news_eve

end