最新版:微信公众号文章下载器，用于下载微信公众号的所有文章

　　最新版:微信公众号文章下载器，用于下载微信公众号的所有文章

　　————————————————————————————————————————————————————— ——

　　我以前用论坛里一个大佬的软件（WeChatDownload）下载文章。后来微信版本更新了，需要用老版本的微信才能用，就搞定了。设计比较简单，就是按部就班，没有使用多线程之类的，功能也没有之前的boss那么多。

　　软件环境：VS2015+C#+.NET4.0+Fiddler+SQLITE

　　SQLITE用于存储文章列表信息：标题、链接、状态、文章类型等信息

　　本软件提供源代码，有基本注释，需要的可以下载修改。

　　附加说明：

　　1、文章下载后放在软件根目录，公众号命名的文件夹

　　2、显示ok 2022/6/20 16:37:57的消息表示文章列表获取成功，文章列表存储在SQLITE数据库中，即： Database.db 该文件可以使用 SQLite Expert Personal 软件打开，该软件有免费版本。当公众号有很多文章时，需要一定的时间才能完成下载。

　　3、出现：成功：文章Title()，得到文章成功。2022/6/20 16:38:41 表示开始下载文章，出现这个时，只有公众号命名的文件夹，文章的发布时间和文章@的标题> 将在根目录下命名为 html 文件。

　　补充2：

　　Q：下载过程中，中途停止（意外/主动）怎么办？

　　答：中途停车有两种情况

　　一是停止文章 列表的下载。下次重新获取后，需要从头重新获取文章列表，但是重复的文章不会保存，只会保存最后一次。未保存 文章。

　　（想了想，不知道暂停是一天，一个月，还是一年，所以没有设计保存上次得到的offset，自己做的话可以加个将offset保存到数据表中，下次从这个offset开始。不过有一种情况需要考虑，就是挂了很久，挂的时候更新了很多文章 )

　　一种是下载文章时停止，这个没有效果。下次重启后，会从下一个未保存的文章开始保存（数据库记录了哪一个被下载了）。

　　文章列表获取原理：当一个文章列表获取完成后，最后一次完整获取的时间会记录在数据表中。下次获取同一个公众号时，将从最新的获取。，然后一直到最后一次完整提取时间的前 3 天。例如，最后一次完整的收购是在 2022 年 6 月 3 日。这一次，将从最晚开始，一直持续到2022-6-1。多余的日子是为了防止丢失文章。

　　所以如果 文章 的列表一次没有被完全抓取，那么每次都会从头到尾抓取。

　　文章存储形式

　　

　　软件功能：获取公众号中的所有文章，然后保存为HTML文件。一个 文章一个 HTML 文档。

　　未实现的功能：付费文章隐藏的不能下载，视频不能下载，音频不能下载。图片没下载，直接用图片链接地址。

　　下载时间：假设1000篇文章文章，如果没有错误等，下载完成所需时间：1000/10*20+1000*20=6.2小时。

　　获取文章列表的参数每30分钟过期一次，1000篇文章中间需要再次获取参数。

　　如果觉得时间太长，可以自行修改采集时间间隔。不建议太快。太频繁可能会触发微信的反采集机制，限制某个公众号的访问。

　　因为采集太快了，公众号的访问受限一段时间，一般第二天就会恢复。（我测试了采集几个公众号，间隔20秒，总数有几千个文章没有限制访问）

　　注：虽然采集已测试多个公众号，但由于微信文章形式多样，可能存在采集错误或采集后的内容与原文。

　　测试平台（VB虚拟机）：WIN7_X86+.NET4.0，WIN7_X64+.NET4.0，WIN10_X86，WIN10_X64，微信版：3.7.0

　　*敏*感*词*演示：

　　界面

　　会话参数的有效时间为 30 分钟。如果超过30分钟就会超时，需要重新获取。

　　重新获取会话参数

　　指示：

　　1、先关闭所有开放的公众号文章。

　　2、点击【①获取参数】，然后打开公众号下载文章，在公众号中选择打开任意一个文章。

　　3、文章加载完成后，获取的参数会显示在【运行日志】中。参数获取完成后，会自动开始获取文章。

　　4、请不要打开多个软件。

　　

　　公众号获取文章的流程：

　　先获取必要的参数->获取公众号的所有文章并合并到SQLITE数据库中->然后从数据库中取出文章，下载并一一标记。

　　获取内容：

　　直接保存文章的内容，不做任何处理。图片使用网络地址，没有留言保存，可以自行修改添加。

　　问题及解决方案：

　　1、在获取参数时，浏览器可能会出现：【未连接：存在潜在的安全问题】，无法浏览网页。

　　解决方法：原因可能是Fiddler的证书问题。您只需等待参数采集完成或手动停止参数采集即可恢复。

　　2、现有公众号文章未关闭时，点击【获取参数】即可获取当前浏览文章的参数。当你想获取另一个公众号的数据时，可能会出现参数错误。

　　解决方法：先关闭所有正在浏览的公众号文章，然后点击【①获取参数】，再打开需要下载的公众号文章中的任意一个。

　　3、有信息问题提示错误类。

　　解决方法：一般可以根据方法重试一次/多次。如果没有，您可以关闭该软件并重新打开它。

　　4、获取参数后，软件意外关闭或自动关闭，再次访问网页时提示：【代理服务器拒绝连接】。

　　解决方法：这是因为在获取参数时，软件会修改系统的分代{pass}{filtering}管理。如果不停止，这种世代相传的{passing}{filtering}管理将永远存在。重启软件，点击【①获取参数】，然后点击【①停止获取】。

　　5、获取文章时，软件意外或主动关闭后，重新打开后，会重复获取或下载之前的文章。

　　A：不会重复。获取到 文章 的列表时将关闭。下次重新打开后，依然会开始获取第一篇文章，发现重复自动跳过。

　　下载文章时关闭，下次重新打开时，会从下一个未下载的文章开始下载。

　　6、由于Fiddler证书安装问题，可能会出现其他未知错误。请使用搜索引擎查找相关解决方案，或提供可重现的解决方案进行回复。

　　7、有时候，打开文章后，参数并没有完全获取到，采集也没有执行。

　　解决方法：关闭文章再打开一篇文章文章，尽量不要使用刷新，有些参数只有第一次才有。

　　8、软件被WIN10的安全中心删除了怎么办？

　　解决方法：通过安全中心添加到排除列表。

　　最新信息:python自动获取微信公众号最新文章的实现代码

　　目录

　　微信公众号获取思路

　　获取微信公众号文章常用的方法有搜狐、微信公众号首页和api接口。

　　听说最近搜狐不太好用，而且之前使用的API接口也经常维护，所以使用微信公众平台进行数据爬取。

　　首先，登录你的微信公众平台。如果您没有帐户，您可以注册一个。进来后找“图文资料”，就是写公众号的地方

　　点击后会出现写公众号的界面文章。在界面中，您会找到“超链接”字段，您可以在其中搜索其他公众号。

　　以“python”为例，输入要检索的公众号名称，从显示的公众号中选择公众号为采集

　　点击浏览器查看，在网络中找到链接，下图中的链接，右边的Request URL是存储公众号数据的真实链接。表示这是一个 json 网页。

　　采集实例

　　以公众号“python”的链接为例，分析URL。

　　https://mp.weixin.qq.com/cgi-bin/appmsg：微信公众平台的链接

"token": "163455614", #需要定期修改的token

"lang": "zh_CN", #语言

"f": "json",

"ajax": "1", #显示几天的文章

"action": "list_ex"

"begin": "0", #起始页面

"count": "1", #计数

"query": "",

"fakeid": "MzIwNDA1OTM4NQ==", #公众号唯一编码

"type": "9",

　　由于我发现fakeid是唯一代表公众号的代码，那么我只需要找到所需公众号的fakeid即可。我随机找了三个公众号进行测试。

　　fakeid=[ "MzIwNDA1OTM4NQ==","MzkxNzAwMDkwNQ==","MjM5NzI0NTY3Mg=="]

<p>

#若增加公众号需要增加fakeid</p>

　　然后下一步就是请求URL

　　首先导入需要的库

　　import time

import requests

from lxml import etree

import pandas as pd

import json

import numpy as np

import datetime

import urllib3

from urllib3.exceptions import InsecureRequestWarning

urllib3.disable_warnings(InsecureRequestWarning)

　　由于不想重复登录公众号平台，可以使用cookies来避免登录。在请求文章之前，需要先找到网页的cookie和User-Agent。由于微信公众号是定期刷新的，所以这个cookie和上面的token都要定期刷新。代替。

　　为了避免反扒，最好找个代理ip

　　headers = {

"Cookie": "appmsglist_action_3567997841=card;wxuin=49763073568536;pgv_pvid=6311844914;ua_id=x6Ri8bc9LeaWnjNNAAAAADI-VXURALRxlSurJyxNNvg=;mm_lang=zh_CN;pac_uid=0_3cf43daf28071;eas_sid=11Q6v5b0x484W9i7W0Z7l7m3I8;rewardsn=;wxtokenkey=777;wwapp.vid=;wwapp.cst=;wwapp.deviceid=;uuid=fd43d0b369e634ab667a99eade075932;rand_info=CAESIHgWwDfp3W4M9F3/TGnzHp4kKkrkMiCEvN/tSNhHtNBm;slave_bizuin=3567997841;data_bizuin=3567997841;bizuin=3567997841;data_ticket=IfMEEajZ8UvywUZ1NiIv9eKZkq0cgeS0oP6tTzEwNSjwK6q+u5vLw0XYeFvLL/JA;slave_sid=aVBzSlpYOGt4eTdmbzFRWDc1OUhzR1A1UkwzdUdBaklDaGh2dWY2MUZKTEw1Um1aalZRUXg5aVBMeEJVNklCcGlVN0s5Z3VEMmRtVENHS1ZxNTBDOWRCR0p2V2FyY2daU0hxT09Remd5YmlhRWExZkMwblpweVc3SndUbnJIQk55MGhUeExJa1NJcWZ0QmJS;slave_user=gh_e0f449d4f2b6;xid=7d5dc56bb7bb526c70cfef3f6bdfa18a",

"User-Agent": "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_0) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/100.0.4896.75 Safari/537.36",

}

proxies = {"http": "112.80.248.73"}

　　接下来可以爬取页面，获取页面中的文章标题和文章链接，以及文章的时间，分析网页的信息，发现所有的信息网页保存在“app_msg_list”字段中，因此提取该字段中的数据。

　　代码显示如下：

　　得到的数据包存放在df中。这里的数据不是微信公众号最新的文章数据，而是微信公众号最近一天发送的文章数据。因此，还需要过滤发布时间。注意这里的时间格式是时间戳，所以需要转换时间数据

　　转换代码如下：

　　def time_s(df):

def transfer_time(s): #时间处理

aa = time.ctime(s)

<p>

bb = aa.split(" ")

cc = (bb[-1]+"-"+bb[1]+"-"+bb[-3]).replace("Jan","1").replace("Feb","2").replace("Mar","3").

replace("Apr","4").replace("May","5").replace("Jun","6").replace("Jul","7").replace("Aug","8")

.replace("Sep","9").replace("Oct","10").replace("Nov","11").replace("Dec","12")

dd = datetime.datetime.strptime(cc,"%Y-%m-%d").date()

return dd

ti=[]

hd=[]

for i in range(0,len(df["time"])):

timestap= transfer_time(df["time"][i])

ti.append(timestap)

#print(ti)

d= ti[i] + datetime.timedelta(weeks=0, days=0, hours=0, minutes=0, seconds=0, milliseconds=0, microseconds=0, )

#dc = d.strftime("%Y-%m-%d")

hd.append(d)

df["time"]=hd</p>

　　这样就可以将微信公众号的时间戳数据转换为时间数据，然后根据当天的日期提取数据集中的内容并存储。

　　dat=df[df["time"] == datetime.date.today() + datetime.timedelta(days= -1)] #自动获取昨天日期，将-1改为-2，则为前天的日期，以此类推

##改自动化

path = "C:/Users/gpower/Desktop/work/行业信息/" #根据自己电脑位置更改

import re

filename=path+"微信公众号采集" + re.sub(r"[^0-9]","",datetime.datetime.now().strftime("%Y-%m-%d")) + ".csv"

# 对文件进行命名，以“微信公众号采集+当前日期”命名

dat.to_csv(filename,encoding="utf_8_sig")

print("保存成功")

　　这样就可以下载最新的微信公众号文章采集。如果需要多个微信公众号，可以在fakeid中添加公众号的识别码。

　　这是文章关于python自动获取微信公众号最新文章的介绍。更多关于python自动获取微信公众号文章的信息，请在文章前搜索云海天教程或继续浏览下方相关文章，希望大家以后多多支持云海天教程！