码迷,mamicode.com
首页 > 微信 > 详细

python爬搜狗微信获取指定微信公众号的文章

时间:2018-06-22 22:45:54      阅读:446      评论:0      收藏:0      [点我收藏+]

标签:flash   targe   read   file   decode   rgs   源代码   png   change   

前言:

之前收藏了一个叫微信公众号的文章爬取,里面用到的模块不错。然而

偏偏报错= =。果断自己写了一个

正文:

第一步爬取搜狗微信搜到的公众号:

http://weixin.sogou.com/weixin?type=1&query=FreeBuf&ie=utf8&s_from=input&_sug_=n&_sug_type_=1&w=01015002&oq=&ri=11&sourceid=sugg&sut=0&sst0=1529673558816&lkt=0%2C0%2C0&p=40040108

将FreeBuf改为自己要搜的公众号

技术分享图片

查看网页源代码:

技术分享图片

正则匹配:

第一个正则:匹配指定的URL 正则: src=.*&timestamp=.*&ver=.*&signature=.*

技术分享图片

 

蓝色标出来的是我们要的,注意多请求URL可以注意到URL,signature也就是签名是随机变化的。所以可得到正则:.*== ,取第一个,然后打开此链接爬取文章链接即可(更多细节会在代码看到)

技术分享图片

代码:

import requests
import re
import threading
user=input(请输入要搜索的微信公众号或微信号:)
headers={user-agent:Mozilla/5.0 (Windows; U; Windows NT 5.1; zh-CN) AppleWebKit/523.15 (KHTML, like Gecko, Safari/419.3) Arora/0.3 (Change: 287 c9dfb30)}
url=http://weixin.sogou.com/weixin?type=1&s_from=input&query={}&ie=utf8&_sug_=y&_sug_type_=&w=01015002&oq=jike&ri=0&sourceid=sugg&stj=0%3B0%3B0%3B0&stj2=0&stj0=0&stj1=0&hp=36&hp1=&sut=4432&sst0=1529305369937&lkt=5%2C1529305367635%2C1529305369835.format(user.rstrip())


def zhuaqu():
    r = requests.get(url=url, headers=headers)
    rsw = re.findall(src=.*&timestamp=.*&ver=.*&signature=.*, str(r.text))
    if 验证码 in str(r.text):
        print([-]发现验证码请访问URL:{}后在重新运行此脚本.format(r.url))
        exit()
    else:
        cis = re.findall(.*?==, str(rsw[0]))
        qd = "".join(cis)
        qd2 = "{}".format(qd)
        qd3 = qd2.replace(;, &)
        urls = https://mp.weixin.qq.com/profile?.strip() + qd3
        uewq=requests.get(url=urls,headers=headers)
        if 验证码 in str(uewq.text):
                print([-]发现验证码请访问URL:{}后在重新运行此脚本.format(uewq.url))
                exit()
        else:
                ldw = re.findall(src = ".*?" ; , uewq.text)
                ldw2=re.findall(timestamp = ".*?" ; ,uewq.text)
                ldw3=re.findall(ver = ".*?" ; ,uewq.text)
                ldw4=re.findall(signature = ".*?",uewq.text)
                ldws="".join(ldw)
                ldw2s="".join(ldw2)
                ldw3s="".join(ldw3)
                ldw4s="".join(ldw4)
                ldwsjihe=ldws+ldw2s+ldw3s+ldw4s
                fk=ldwsjihe.split()
                fkchuli="".join(fk)
                gs=fkchuli.replace(",‘‘)
                hew=gs.replace(;,&)
                wanc="http://mp.weixin.qq.com/profile?"+hew
                xiau=requests.get(url=wanc,headers=headers)
                houxu=re.findall({.*?},xiau.content.decode(utf-8))
                title=re.findall("title":".*?",str(houxu))
                purl=re.findall("content_url":".*?",str(houxu))
                for i in range(0,len(title)):
                    jc={}:{}.format(title[i],https://mp.weixin.qq.com+purl[i]).replace(",‘‘)
                    jc2=jc.replace(content_url,‘‘)
                    jc3=jc2.replace(;,&)
                    print(jc3)

t=threading.Thread(target=zhuaqu,args=())
t.start()

测试结果:

技术分享图片

 

 

技术分享图片

 技术分享图片

技术分享图片

BGM:

python爬搜狗微信获取指定微信公众号的文章

标签:flash   targe   read   file   decode   rgs   源代码   png   change   

原文地址:https://www.cnblogs.com/haq5201314/p/9215569.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!