TP5框架抓取公众号文章，轻松实现！
优采云 发布时间: 2023-03-12 19:13作为自媒体从业者，我们时刻关注着新媒体的发展趋势，而微信公众号无疑是其中的佼佼者。在公众号运营过程中，抓取其他公众号的文章是非常重要的一环。那么，在 TP5 框架下，我们该如何实现公众号文章的抓取呢？下面就让我来为大家介绍TP5抓取公众号文章的9个技巧。
1.确认目标公众号
在开始抓取公众号文章之前，首先需要确认目标公众号。可以通过微信搜索、相关网站查询等方式获取目标公众号的基本信息。
2.获取公众号 cookie
通过模拟登陆微信公众平台获取 cookie 信息，然后使用 cookie 实现对目标公众号的访问。以下代码演示了如何获取 cookie：
use QL\QueryList;
$loginUrl ='https://mp.weixin.qq.com/cgi-bin/login?lang=zh_CN';
$postData =[
'username'=>'xxx',
'pwd'=> md5('xxx'),
'imgcode'=>'',
'f'=>'json',
];
$ql = QueryList::post($loginUrl,$postData)->getCookies();
3.获取 token
通过访问微信公众平台获取 token，然后使用 token 实现对目标公众号文章的抓取。以下代码演示了如何获取 token：
use QL\QueryList;
$tokenUrl ='https://mp.weixin.qq.com/cgi-bin/token?grant_type=client_credential&appid=APPID&secret=APPSECRET';
$appId ='xxx';
$appSecret ='xxx';
$tokenUrl = str_replace(['APPID','APPSECRET'],[$appId,$appSecret],$tokenUrl);
$ql = QueryList::get($tokenUrl)->getJson();
$token =$ql->access_token;
4.获取目标公众号文章列表
通过向微信公众平台发送请求获取目标公众号最新发布的文章列表。以下代码演示了如何获取目标公众号文章列表：
use QL\QueryList;
$listUrl ="https://mp.weixin.qq.com/cgi-bin/appmsg?token={$token}&lang=zh_CN&f=json&ajax=1&action=list_ex&type=10&begin=0&count=5&query=&fakeid={$fakeId}&uin=&key=&pass_ticket=&wxtoken=&appmsg_token={$appmsgToken}&x5=0&f=json";
$ql = QueryList::get($listUrl)->getJson();
$articles =$ql['app_msg_list'];
其中 fakeId 和 appmsgToken 可以从 cookie 中获取。
5.获取单篇文章内容
通过向微信公众平台发送请求获取单篇文章内容。以下代码演示了如何获取单篇文章内容：
use QL\QueryList;
$contentUrl ="https://mp.weixin.qq.com/s?timestamp=".time()."&src=3&ver=1&signature={$signature}&uin={$uin}&key={$key}";
$html = QueryList::get($contentUrl,[],[
CURLOPT_HTTPHEADER =>[
"Referer: https://mp.weixin.qq.com/s/{$mid}",
"Cookie:{$cookie}",
],
])->getHtml();
其中 signature、uin、key、mid 和 cookie 可以从上一步中获得。
6.解析 HTML 内容
将获取到的 HTML 内容解析成可读性更好的文本格式。以下代码演示了如何解析 HTML 内容：
use QL\QueryList;
$html ='<html>...</html>';
$content = QueryList::html($html)->find('.rich_media_content')->html();
7.清理文本内容
清理文本内容中可能存在的无用信息，例如广告链接、图片等。以下代码演示了如何清理文本内容：
use QL\QueryList;
$content ='<p>...</p>';
$content = QueryList::html($content)->find('p')->not(':has(img,a)')->text();
8.存储抓取结果
将抓取到的结果存储到数据库或文件中进行持久化存储。以下代码演示了如何将结果存储到数据库中：
use think\Db;
$data =['title'=>$title,'content'=>$content];
Db::table('articles')->insert($data);
9.自动化脚本实现
通过编写自动化脚本实现对目标公众号文章的定时抓取和存储。以下代码演示了如何编写定时任务：
php
<?php
//定义定时任务
return [
//每小时执行一次
'*/60 ****'=> function (){
//执行抓取任务
//...
},
];
?>
综上所述，以上就是 TP5 抓取公众号文章的9个技巧。如果你想要进一步优化你的自媒体运营效果，不妨尝试使用优采云进行 SEO 优化，提升你的网站排名和流量吧！更多详情请访问 www.ucaiyun.com 。
