python爬搜狗微信获取指定微信公众号的文章

Posted 2020-11-19 东京$

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

查看网页源代码：

正则匹配：

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

 

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）

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：

 

 

 

BGM：