python爬虫公众号所有信息，并批量下载公众号视频

前言

本文的文字及图片来源于网络,仅供学习、交流使用,不具有任何商业用途,版权归原作者所有,如有问题请及时联系我们以作处理。

作者： 数据分析实战

PS：如有需要Python学习资料的小伙伴可以加点击下方链接自行获取

http://note.youdao.com/noteshare?id=3054cce4add8a909e784ad934f956cef

主要功能

• 如何简单爬虫微信公众号

• 获取信息：标题、摘要、封面、文章地址

• 自动批量下载公众号内的视频

一、获取公众号信息：标题、摘要、封面、文章URL

操作步骤：

1、先自己申请一个公众号 2、登录自己的账号，新建文章图文，点击超链接

代码

 1 import re
 2 ​
 3 import requests
 4 import jsonpath
 5 import json
 6 ​
 7 headers = {
 8 "User-Agent": "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_13_3) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/67.0.3396.99 Safari/537.36",
 9 "Host": "mp.weixin.qq.com",
10 "Referer": "https://mp.weixin.qq.com/cgi-bin/appmsg?t=media/appmsg_edit&action=edit&type=10&isMul=1&isNew=1&lang=zh_CN&token=1862390040",
11 "Cookie": "自己获取信息时的cookie"
12        }
13 ​
14 def getInfo():
15     for i in range(80):
16         # token  random 需要要自己的   begin：参数传入
17         url = "https://mp.weixin.qq.com/cgi-bin/appmsg?token=1904193044&lang=zh_CN&f=json&ajax=1&random=0.9468236563826882&action=list_ex&begin={}&count=5&query=&fakeid=MzI4MzkzMTc3OA%3D%3D&type=9".format(str(i * 5))
18 ​
19         response = requests.get(url, headers = headers)
20 ​
21         jsonRes = response.json()
22 ​
23 ​
24         titleList = jsonpath.jsonpath(jsonRes, "$..title")
25         coverList = jsonpath.jsonpath(jsonRes, "$..cover")
26         urlList = jsonpath.jsonpath(jsonRes, "$..link")
27 ​
28         # 遍历 构造可存储字符串
29         for index in range(len(titleList)):
30             title = titleList[index]
31             cover = coverList[index]
32             url = urlList[index]
33 ​
34             scvStr = "%s,%s, %s,\n" % (title, cover, url)
35             with open("info.csv", "a+", encoding="gbk", newline='') as f:
36                 f.write(scvStr)

 

获取结果(成功)：

二、获取文章内视频：实现批量下载

通过对单篇视频文章分析，我找到了这个链接：

通过网页打开发现，是视频的网页下载链接：

哎，好像有点意思了，找到了视频的网页纯下载链接，那就开始吧。

发现链接里的有一个关键参数vid 不知道哪来的？ 和获取到的其他信息也没有关系，那就只能硬来了。

通过对单文章的url请求信息里发现了这个参数，然后进行获取。

1 response = requests.get(url_wxv, headers=headers)
2 ​
3     # 我用的是正则，也可以使用xpath
4     jsonRes = response.text  #  匹配:wxv_1105179750743556096
5     dirRe = r"wxv_.{19}"
6     result = re.search(dirRe, jsonRes)
7 ​
8     wxv = result.group(0)
9     print(wxv)

 

视频下载：

 1 def getVideo(video_title, url_wxv):
 2     video_path = './videoFiles/' + video_title + ".mp4"
 3 ​
 4     # 页面可下载形式
 5     video_url_temp = "https://mp.weixin.qq.com/mp/videoplayer?action=get_mp_video_play_url&preview=0&__biz=MzI4MzkzMTc3OA==&mid=2247488495&idx=4&vid=" + wxv
 6     response = requests.get(video_url_temp, headers=headers)
 7     content = response.content.decode()
 8     content = json.loads(content)
 9     url_info = content.get("url_info")
10     video_url2 = url_info[0].get("url")
11     print(video_url2)
12 ​
13     # 请求要下载的url地址
14     html = requests.get(video_url2)
15     # content返回的是bytes型也就是二进制的数据。
16     html = html.content
17     with open(video_path, 'wb') as f:
18         f.write(html)

 

那么所有信息就都完成了，进行code组装。

a、获取公众号信息

b、筛选单篇文章信息

c、获取vid信息

d、拼接视频页面下载URL

e、下载视频，保存

代码实验结果：

.