基于搜狗微信搜索的微信公众号爬虫接口，可以扩展成基于搜狗搜索的爬虫 基于Python3，但是2应该也可以使用
关于我，欢迎关注 微博：Chyroc 邮箱：[email protected]
from wechatsogou import wechatspider
wechats = wechatspider()
wechats.get_session()
infos = wechats.search_gzh_info(name, page)
for info in infos:
name = info['name']
返回结果是列表，每一项均是公众号具体信息字典，具体如下
| 字段 | 含义 |
|---|---|
| name | 公众号名称 |
| wechatid | 公众号ID |
| jieshao | 介绍 |
| renzhen | 认证信息，为空表示未认证 |
| qrcode | 二维码图片地址 |
| img | 头像地址 |
| url | 最近文章地址 |
对于一个已知wechatid的公众号，如果需要获取其最近文章，可以通过以下方式先获取具体信息（包括最近文章地址），然后根据``获取
detail = wechats.get_gzh_info(wechatid）
url = detail['url']
返回结果与上述search_gzh_info函数返回结果一致
msgdict = wechats.get_gzh_article_dict(url)
msgdict是字典
| 字段 | 含义 |
|---|---|
| list | 只有这一个字段，包含具体信息 |
infos = msgdict['list']
for info in infos:
comm_msg_info = info['comm_msg_info']
app_msg_ext_info = info['app_msg_ext_info']
comm_msg_info是字典
| 字段 | 含义 |
|---|---|
| status | ... |
| fakeid | ... |
| datetime | ... |
| type | ... |
| id | ... |
| content | ... |
app_msg_ext_info也是字典
| 字段 | 含义 |
|---|---|
| subtype | ... |
| title | 标题 |
| copyright_stat | 文章类型（100为普通，11原创，101转载） |
| author | 作者 |
| source_url | 原文地址 |
| fileid | ... |
| content | ... |
| content_url | 文章地址 |
| cover | 封面图片地址 |
| digest | 描述 |
| is_multi | 是否多图文（1位多图文，有multi_app_msg_item_list字段，0为单图文） |
| multi_app_msg_item_list | 多图文 |
msgdict = wechats.get_gzh_article_dict(url)
item = wechats.get_gzh_article_detail(msgdict)
item是列表，每一项均是具体信息字典
| 字段 | 含义 |
|---|---|
| title | 标题 |
| digest | 描述 |
| cover | 封面图片地址 |
| main | 是否为一次推送中第一篇文章 |
| content_url | 文章地址 |
| author | 作者 |
| copyright_stat | 文章类型（100为普通，11原创，101转载） |
| source_url | 原文地址 |
| fileid | ... |
| content | ... |
infos = wechats.get_gzh_info('newsbro')
articledict = wechats.get_gzh_article_dict(infos['url'])
articles = wechats.get_gzh_article_detail(articledict)
for article in articles:
article_info = wechats.get_get_gzh_article_info(article)
article_info是文章页具体信息字典
| 字段 | 含义 |
|---|---|
| yuan | 文章的固定地址（通过搜索获取的文章地址有时效性？） |
| content | 文章内容，字典，一下三项均含img和br标签 |
| content->content_html | 原始文章内容，包括html标签及样式 |
| content->content_rich | 包含图片（包括图片应展示的样式）的文章内容 |
| content->content_text | 包含图片（<img src="..." />格式）的文章内容 |
| comment | 评论以及阅读量，字典 |
| comment->base_resp | 返回码，字典，包含下面两项 |
| comment->base_resp->ret | 返回码 |
| comment->base_resp->errmsg | 返回错误信息 |
| comment->read_num | 阅读量 |
| comment->like_num | 点赞数 |
| comment->elected_comment_total_cnt | 评论数 |
| comment->comment | 具体评论数据，每一项均是一个列表，设为comment_comment |
comment_comment是一项评论
| 字段 | 含义 |
|---|---|
| content | 评论内容 |
| like_num | 点赞数 |
| nick_name | 评论者昵称 |
| logo_url | 评论者头像 |
| reply | 回复 |
| 其余字典未说明，请打印自行查看 |
- 相似文章的公众号获取
- 主页热门公众号获取
- 文章详情页信息