50行Python代码，获取公众号全部文章

作者 | 胖虎

来源 | Python3X（ID: python3xxx ）

爬取公众号的方式常见的有两种：

• 通过搜狗搜索去获取，缺点是只能获取最新的十条推送文章。

• 通过微信公众号的素材管理，获取公众号文章。缺点是需要申请自己的公众号。

今天介绍一种通过抓包PC端微信的方式去获取公众号文章的方法。相比其他的方法非常方便。

如上图，通过抓包工具获取微信的网络信息请求，我们发现每次下拉刷新文章的时候都会请求 mp.weixin.qq.com/mp/xxx （公众号不让添加主页链接，xxx表示profile_ext） 这个接口。

经过多次测试分析，用到了以下几个参数

• __biz : 用户和公众号之间的唯一id，

• uin ：用户的私密id
  

• key ：请求的秘钥，一段时候只会就会失效。
  

• offset ：偏移量
  

• count ：每次请求的条数
  

数据如下：

部分代码如下：

最后打印的list就是公众号的文章信息详情。包括标题(titile)、摘要(digest)、文章地址(content_url)、阅读原文地址(source_url)、封面图(cover)、作者(author)等等...

输出结果如下：

获取数据之后，可以保存到数据库中，也可以将文章保存在PDF中。

1、保存在Mongo中

结果如下：

2、导入到PDF文件中

Python3中常用的操作PDF的库有python-pdf和pdfkit。我用了pdfkit这个模块导出pdf文件。

pdfkit是工具包Wkhtmltopdf的封装类，因此需要安装Wkhtmltopdf才能使用。

可以访问 https://wkhtmltopdf.org/downloads.html 下载和操作系统匹配的工具包。

实现代码也比较简单，只需要传入导入文件的url即可。

安装pdfkit库：

运行之后成功导出pdf文件：

完整代码

（*本文仅代表作者观点，转载请联系原作者）

◆

活动推荐

◆

推荐阅读：

• 我发现一个新的软件，用自然语言编程！非常酷！

• 香港的房价真的那么贵吗？用数据挖掘真相！

• 阿里巴巴杨群：高并发场景下Python的性能挑战

• 媲美Pandas？Python的Datatable包怎么用？
  

• 通俗易懂！使用Excel和TF实现Transformer！

• 从0到1：Web开发绕不开的WSGI到底是什么？

• 24式，加速你的Python

• Python从入门到精通，这篇文章为你列出了25个关键技术点（附代码）

• 500行Python代码打造刷脸考勤系统

你点的每个“在看”，我都认真当成了喜欢