使用Python獲取公眾號(hào)下所有的文章

更新時(shí)間：2021年06月24日 10:42:17 作者：一天一篇Python庫

我比較喜歡看公眾號(hào)，有時(shí)遇到一個(gè)感興趣的公眾號(hào)時(shí)，都會(huì)感覺相逢恨晚，想一口氣看完所有歷史文章。本文主要介紹了使用Python獲取公眾號(hào)下所有的文章，感興趣的可以了解一下

導(dǎo)出公眾號(hào)所有文章

隨著互聯(lián)網(wǎng)的不斷發(fā)展，網(wǎng)絡(luò)上興起了很多的自媒體平臺(tái)。不用我說，相信大家也能知道當(dāng)下非常流行的平臺(tái)都有哪些。

可以說凡是比較知名的自媒體，都有自己的公眾號(hào)。但是平臺(tái)的創(chuàng)新與出現(xiàn)可謂層出不窮，如果需要入住平臺(tái)，肯定需要獲取原平臺(tái)的歷史資源。

比如說微信公眾號(hào)，我們就需要獲取微信公眾號(hào)的文章，將其導(dǎo)出后，入住其他的平臺(tái)，那么如何獲取自己公眾號(hào)下的所有文章呢？

開發(fā)者ID與開發(fā)者密碼

其實(shí)，公眾號(hào)給我們開發(fā)中提供了非常友好的接口，并不需要我們一個(gè)一個(gè)去爬，就可以獲取文章的所有鏈接。

基本配置

如上圖所示，我們需要進(jìn)入公眾號(hào)主頁，然后通過設(shè)置與開發(fā)-基本配置，找到開發(fā)者ID與開發(fā)者密碼。

因?yàn)槲⑿沤o我們提供了接口專門用于我們獲取公眾號(hào)的文章，具體的接口網(wǎng)址，如下面代碼所示：

https://api.weixin.qq.com/cgi-bin/token?grant_type=client_credential&appid=APPID&secret=APPSECRET

這里的APPID就是開發(fā)中ID，APPSECRET就是開發(fā)者密碼，如下圖所示進(jìn)行獲取。

IP白名單

不過，這里有一個(gè)IP白名需要注意，為了公眾號(hào)文章的安全，必須設(shè)置IP地址才能獲取。如果后面的代碼并沒有在IP下運(yùn)行，那么肯定會(huì)報(bào)錯(cuò)。

IP白名單2
如上圖所示，IP白名單是直接設(shè)置你的IP地址，設(shè)置完成之后點(diǎn)擊修改，彈出二維碼后用微信掃描即可。

https://api.weixin.qq.com/cgi-bin/material/batchget_material?access_token=

這樣還不行，因?yàn)樵摼W(wǎng)址接口只是獲取access_token，也就是訪問公眾號(hào)的令牌，而獲取公眾號(hào)文章的鏈接是上面這個(gè)。

獲取Json格式的公眾號(hào)文章信息

既然已經(jīng)基本了解了原理，下面我們來通過實(shí)戰(zhàn)獲取所有的公眾號(hào)標(biāo)題，鏈接，描述以及文章的展示圖。示例如下：

import requests
import json
import csv

def getGZHJson(appid, secret):
    path = " https://api.weixin.qq.com/cgi-bin/token?grant_type=client_credential"
    url = path + "&appid=" + appid + "&secret=" + secret
    result = requests.get(url)
    token = json.loads(result.text)
    access_token = token['access_token']
    data = {
        "type": "news",
        "offset": 0,
        "count": 1,
    }
    headers = {
        'content-type': "application/json",
        'Accept-Language': 'zh-CN,zh;q=0.9'
    }
    url = 'https://api.weixin.qq.com/cgi-bin/material/batchget_material?access_token=' + access_token
    result = requests.post(url=url, data=json.dumps(data), headers=headers)
    result.encoding = result.apparent_encoding
    result = json.loads(result.text)
    count = int(result['total_count'])
    gzh_dict = {"news_item": []}
    for i in range(0, count):
        data['offset'] = i
        result = requests.post(url=url, data=json.dumps(data), headers=headers)
        result.encoding = result.apparent_encoding
        result = json.loads(result.text)
        for item in result['item'][0]['content']['news_item']:
            temp_dict = {}
            temp_dict['title'] = item["title"]
            temp_dict['digest'] = item["digest"]
            temp_dict['url'] = item["url"]
            temp_dict['thumb_url'] = item["thumb_url"]
            print(temp_dict)
            gzh_dict['news_item'].append(temp_dict)
    return json.dumps(gzh_dict)

getGZHJson('開發(fā)者ID', '開發(fā)者密碼')

這里，我們先來看一下result的原始文本數(shù)據(jù)，具體如下所示：

total

原始的JSON數(shù)據(jù)中，有一個(gè)非常重要的數(shù)據(jù)也就是total_count，也就是公眾號(hào)成立以來，推送的次數(shù)。

但是需要注意，公眾號(hào)可以單次推送一篇，或者單次推送2，3，4篇，并不一直都是一模一樣。

而獲取哪次推送的數(shù)據(jù)，你可以通過offset逆向溯源，至于每次是多少篇，則需要通過返回的Json數(shù)據(jù)news_item有多少個(gè)決定。如下圖所示：

news_item

所以，我們還有在里面加上一次遍歷，第1層遍歷的是微信公眾號(hào)推送的哪天數(shù)據(jù)，第2層遍歷，遍歷的是當(dāng)天發(fā)送的篇數(shù)。運(yùn)行之后，效果如下：

獲取的數(shù)據(jù)

參數(shù)	含義
title	文章標(biāo)題
digest	文章描述
url	文章鏈接
thumb_url	文章展示圖

保存數(shù)據(jù)到CSV文件

當(dāng)然，我們獲取數(shù)據(jù)并不是為了在控制臺(tái)去打印，而是為了導(dǎo)出數(shù)據(jù)。所以，我們將上面的數(shù)據(jù)打包到CSV文件中保存起來。

示例如下：

result = requests.post(url=url, data=json.dumps(data), headers=headers)
result.encoding = result.apparent_encoding
print(result.encoding)
result = json.loads(result.text)
count = int(result['total_count'])

#替換下面的代碼
ulist = ["_id", "title", 'digest', 'url', 'thumb_url']
# 保存數(shù)據(jù)到csv文件
new_item_csv = 'week'
with open('{}.csv'.format(new_item_csv), 'w', encoding='utf-8-sig', newline='') as f:
    writer = csv.writer(f, dialect='excel')
    writer.writerow(ulist)
    for i in range(0, count):
        data['offset'] = i
        result = requests.post(url=url, data=json.dumps(data), headers=headers)
        result.encoding = result.apparent_encoding
        result = json.loads(result.text)
        for item in result['item'][0]['content']['news_item']:
            writer.writerow([count_id, item["title"], item["digest"], item["url"], item["thumb_url"]])
            count_id += 1

這里，只需要改count = int(result[‘total_count'])代碼下面的所有數(shù)據(jù)即可。上面的代碼保持不變。