摘要：今天介紹一種通過抓包端微信的方式去獲取公眾號文章的方法。如上圖，通過抓包工具獲取微信的網絡信息請求，我們發現每次下拉刷新文章的時候都會請求這個接口。

本文首發自公眾號：python3xxx

爬取公眾號的方式常見的有兩種

通過搜狗搜索去獲取，缺點是只能獲取最新的十條推送文章

通過微信公眾號的素材管理，獲取公眾號文章。缺點是需要申請自己的公眾號。

今天介紹一種通過抓包PC端微信的方式去獲取公眾號文章的方法。相比其他的方法非常方便。

如上圖，通過抓包工具獲取微信的網絡信息請求，我們發現每次下拉刷新文章的時候都會請求 mp.weixin.qq.com/mp/profile_ext 這個接口。

經過多次測試分析，用到了以下幾個參數

__biz : 用戶和公眾號之間的唯一id，

uin ：用戶的私密id

key ：請求的秘鑰，一段時候只會就會失效。

offset ：偏移量

count ：每次請求的條數

數據如下

{
 "ret": 0,
 "errmsg": "ok", # 請求狀態
 "msg_count": 10,  # 信息條數
 "can_msg_continue": 1, # 是否還可以繼續獲取，1代表可以。0代表不可以，也就是最后一頁
 "general_msg_list": "{"list":[]}", # 公眾號文本信息
 "next_offset": 20,  
 "video_count": 1,
 "use_video_tab": 1,
 "real_type": 0,
 "home_page_list": []
}

部分代碼如下

 params = {
        "__biz": biz,
        "uin": uin,
        "key": key,
        "offset": offset,
        "count": count,
        "action": "getmsg",
        "f": "json"
    }

    headers = {
        "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/74.0.3729.131 Safari/537.36"
    }

    response = requests.get(url=url, params=params, headers=headers)
    resp_json = response.json()
    if resp_json.get("errmsg") == "ok":
        resp_json = response.json()
        # 是否還有分頁數據， 用于判斷return的值
        can_msg_continue = resp_json["can_msg_continue"]
        # 當前分頁文章數
        msg_count = resp_json["msg_count"]
        general_msg_list = json.loads(resp_json["general_msg_list"])
        list = general_msg_list.get("list")
        print(list, "**************")

最后打印的list就是公眾號的文章信息詳情。包括標題(titile)、摘要(digest)、文章地址(content_url)、閱讀原文地址(source_url)、封面圖(cover)、作者(author)等等...

輸出結果如下：

[{
    "comm_msg_info": {
        "id": 1000000038,
        "type": 49,
        "datetime": 1560474000,
        "fakeid": "3881067844",
        "status": 2,
        "content": ""
    },
    "app_msg_ext_info": {
        "title": "入門爬蟲，這一篇就夠了！！！",
        "digest": "入門爬蟲，這一篇就夠了！！！",
        "content": "",
        "fileid": 0,
        "content_url": "http:XXXXXX",
        "source_url": "",
        "cover": "I5kME6BVXeLibZDUhsiaEYiaX7zOoibxa9sb4stIwrfuqID5ttmiaoVAFyxKF6IjOCyl22vg8n2NPv98ibow/0?wx_fmt=jpeg",
        "subtype": 9,
        "is_multi": 0,
        "multi_app_msg_item_list": [],
        "author": "Python3X",
        "copyright_stat": 11,
        "duration": 0,
        "del_flag": 1,
        "item_show_type": 0,
        "audio_fileid": 0,
        "play_url": "",
        "malicious_title_reason_id": 0,
        "malicious_content_type": 0
    }
},{...},{...},{...},{...},{...},{...},{...},{...},{...}]

獲取數據之后，可以保存到數據庫中，也可以將文章保存在PDF中。

# Mongo配置
conn = MongoClient("127.0.0.1", 27017)
db = conn.wx  #連接wx數據庫，沒有則自動創建
mongo_wx = db.article  #使用article集合，沒有則自動創建

for i in list:
    app_msg_ext_info = i["app_msg_ext_info"]
    # 標題
    title = app_msg_ext_info["title"]
    # 文章地址
    content_url = app_msg_ext_info["content_url"]
    # 封面圖
    cover = app_msg_ext_info["cover"]

    # 發布時間
    datetime = i["comm_msg_info"]["datetime"]
    datetime = time.strftime("%Y-%m-%d %H:%M:%S", time.localtime(datetime))

    mongo_wx.insert({
        "title": title,
        "content_url": content_url,
        "cover": cover,
        "datetime": datetime
    })

結果如下

Python3中常用的操作PDF的庫有python-pdf和pdfkit。我用了pdfkit這個模塊導出pdf文件。

pdfkit是工具包Wkhtmltopdf的封裝類，因此需要安裝Wkhtmltopdf才能使用。

可以訪問 https://wkhtmltopdf.org/downl... 下載和操作系統匹配的工具包。

實現代碼也比較簡單，只需要傳入導入文件的url即可。

安裝pdfkit庫

pip3 install pdfkit -i http://pypi.douban.com/simple --trusted-host pypi.douban.com

import pdfkit
pdfkit.from_url("公眾號文章地址", "out.pdf")

運行之后成功導出pdf文件。

以上就是獲取公眾號文章的方式，如需完整代碼，可在公眾號[python3xxx]中回復 朋友圈 獲取完整代碼！