数据采集-微信公众号文章的完整爬取过程笔记
优采云 发布时间: 2020-08-19 06:56数据采集-微信公众号文章的完整爬取过程笔记
微信公众号文章的完整爬取过程笔记
outline一.基于sougou-api实现文章的爬取二.基于anyproxy和monkeyrunner的文章自动爬取一.基于sougou-api实现文章的爬取
1.可以直接抓陌陌搜狗主页
2.使用已有的软件包 + 代理的方法
调用API,通过微信公众号的ID,获取该帐号的部份文章
这种办法只能获取陌陌文章的临时链接,所以须要把html文本保存到出来
二.基于anyproxy和monkeyrunner的文章自动爬取
假设条件:你有一批微信公众号ID(eg:gh_1380fb0258f6)
硬件条件:一台普通PC(笔者使用windows系统),一台安卓手机(本人使用的是华为荣耀8lite)
尽量不要使用模拟器,笔者在使用模拟器登录陌陌后发觉帐户被封!!!
目标:爬取该批微信公众号的所有历史文章并增量爬取
1.基于anyproxy爬取公众号的所有文章
这一步早已有前辈早已实现,这里直接使用他的代码:wechat_spider 微信爬虫
具体实现过程可参考github,在这一步须要注意选择正确的IP
2.基于monkeyrunner实现爬取的自动化(1) 手机开启开发者模式
目前笔者遇见的手机开启开发者模式的方法是“在系统版本号上点击7,8次”
(2) PC安装安卓开发套件
安卓sdk的下载与安装可以参考AndroidDevTools
安装是否成功的测量方式可参考:入门monkeyrunner1-monkeyrunner的录制以及回放
(3) 自动化爬取的流程S1 使用陌陌的搜索框,通过微信公众号ID搜索到该帐号
image
image
S2 点击步入该帐号,下拉,点击全部文章,进入
image
S3 下拉,点击文章列表的某一篇文章,打开
image