龙空技术网

利用Python爬虫实现30秒爬取500篇微信文章

Python可乐 293

前言:

如今朋友们对“python爬虫微信记录”可能比较关切,看官们都需要学习一些“python爬虫微信记录”的相关内容。那么小编在网络上汇集了一些有关“python爬虫微信记录””的相关知识,希望看官们能喜欢,我们一起来学习一下吧!

引言

由于工作需要,给公司前端做了一个小工具,使用python语言,爬取搜狗微信的微信文章,附搜狗微信官方网址

私信小编01即可获取Python学习资料

搜狗微信:

从热门到时尚圈,并且包括每个栏目下面的额加载更多内容选项

一共加起来500+篇文章

需求

爬取这些文章获取到每篇文章的标题和右侧的图片,将爬取到的图片以规定的命名方式输出到规定文件夹中,并将文章标题和图片名称对应输出到Excel和txt中

效果

完整代码如下

Package                   Version------------------------- ---------altgraph                  0.17certifi                   2020.6.20chardet                   3.0.4future                    0.18.2idna                      2.10lxml                      4.5.2pefile                    2019.4.18pip                       19.0.3pyinstaller               4.0pyinstaller-hooks-contrib 2020.8pywin32-ctypes            0.2.0requests                  2.24.0setuptools                40.8.0urllib3                   1.25.10XlsxWriter                1.3.3xlwt                      1.3.0
# !/usr/bin/python# -*- coding: UTF-8 -*-import osimport requestsimport xlsxwriterfrom lxml import etree# 请求微信文章的头部信息headers = {    'Accept': 'text/html,application/xhtml+xml,application/xml;q=0.9,image/avif,image/webp,image/apng,*/*;q=0.8,application/signed-exchange;v=b3;q=0.9',    'Accept-Encoding': 'gzip, deflate, br',    'Accept-Language': 'zh-CN,zh;q=0.9',    'Host': 'weixin.sogou.com',    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/85.0.4183.102 Safari/537.36'}# 下载图片的头部信息headers_images = {    'Accept': 'text/html,application/xhtml+xml,application/xml;q=0.9,image/avif,image/webp,image/apng,*/*;q=0.8,application/signed-exchange;v=b3;q=0.9',    'Accept-Encoding': 'gzip, deflate',    'Accept-Language': 'zh-CN,zh;q=0.9',    'Host': 'img01.sogoucdn.com',    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/85.0.4183.102 Safari/537.36'}a = 0all = []# 创建根目录save_path = './微信文章'folder = os.path.exists(save_path)if not folder:    os.makedirs(save_path)# 创建图片文件夹images_path = '%s/图片' % save_pathfolder = os.path.exists(images_path)if not folder:    os.makedirs(images_path)for i in range(1, 9):    for j in range(1, 5):        url = "; % (i, j)        # 请求搜狗文章的url地址        response = requests.get(url=url, headers=headers).text.encode('iso-8859-1').decode('utf-8')        # 构造了一个XPath解析对象并对HTML文本进行自动修正        html = etree.HTML(response)        # XPath使用路径表达式来选取用户名        xpath = html.xpath('/html/body/li')        for content in xpath:            # 计数            a = a + 1            # 文章标题            title = content.xpath('./div[@class="txt-box"]/h3//text()')[0]            article = {}            article['title'] = title            article['id'] = '%d.jpg' % a            all.append(article)            # 图片路径            path = 'http:' + content.xpath('./div[@class="img-box"]//img/@src')[0]            # 下载文章图片            images = requests.get(url=path, headers=headers_images).content            try:                with open('%s/%d.jpg' % (images_path, a), "wb") as f:                    print('正在下载第%d篇文章图片' % a)                    f.write(images)            except Exception as e:                print('下载文章图片失败%s' % e)# 信息存储在excel中# 创建一个workbookxworkbook = xlsxwriter.Workbook('%s/Excel格式.xlsx' % save_path)# 创建一个worksheetworksheet = workbook.add_worksheet()print('正在生成Excel...')try:    for i in range(0, len(all) + 1):        # 第一行用于写入表头        if i == 0:            worksheet.write(i, 0, 'title')            worksheet.write(i, 1, 'id')            continue        worksheet.write(i, 0, all[i - 1]['title'])        worksheet.write(i, 1, all[i - 1]['id'])    workbook.close()except Exception as e:    print('生成Excel失败%s' % e)print("生成Excel成功")print('正在生成txt...')try:    with open('%s/数组格式.txt' % save_path, "w") as f:        f.write(str(all))except Exception as e:    print('生成txt失败%s' % e)print('生成txt成功')print('共爬取%d篇文章' % a)

最后将程序打包成exe文件,在windows系统下可以直接运行程序

点赞收藏关注,你的支持是我最大的动力!

标签: #python爬虫微信记录 #python爬取微信聊天记录 #python30中文版下载 #pythonpywintypes #python爬虫资料百度云