基于搜狗微信搜索的微信公众号爬虫接口

项目简介

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

关于我，欢迎关注 微博：Chyroc

---

项目使用

引用

import wechatsogou as wechats

搜索公众号 - search_gzh_info

infos = 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

获取公众号

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 = 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

获取最近文章列表字典 - get_gzh_article_dict

msgdict = 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

获取最近文章列表 - get_gzh_article_detail

msgdict = get_gzh_article_dict(url)
item = 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	...

---

TODO

[ ] 主页热门公众号获取 [ ] 文章详情页相似文章、公众号获取

---