码迷,mamicode.com
首页 > 微信 > 详细

python爬微信公众号前10篇历史文章(1)

时间:2018-02-27 10:24:30      阅读:268      评论:0      收藏:0      [点我收藏+]

标签:body   blog   指定   输入验证   lxml   pat   分享   名称   html   

作为程序员,要时刻保持一颗好奇心和想要学习的姿态。

练习怎样利用搜狗微信爬取某指定微信公众号的历史文章。爬取微信公众号本身难度非常大,感谢搜狗提供了一个可以爬取数据的平台。

代码部分参考于: https://github.com/Chyroc/WechatSogou/tree/master/wechatsogou

目标:

1. 从http://weixin.sogou.com/搜狗微信搜索中获取指定公众号名称的搜索页面

技术分享图片

 

2. 抓取指定公众号的历史文章列表

技术分享图片

 

待解决难题:

如何从输入验证码页面自动跳转到我们想要的页面

技术分享图片

 整体思路:

使用python强大的库。 

要获取搜索页面,需要拼接地址。需使用python requests模块。

要解析爬下来的html数据,需要用到xpath,lxml, 可以使用chrome的扩展插件xpath helper。

python爬微信公众号前10篇历史文章(1)

标签:body   blog   指定   输入验证   lxml   pat   分享   名称   html   

原文地址:https://www.cnblogs.com/duwenlu/p/8476877.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!