wechat_spider
微信公众号爬虫 (支持全自动化批量爬取微信公众号所有文章 Go语言实现)
注意
此项目是微信公众号批量自动化爬虫的核心实现, 面向开发者开源, 可以当做go语言包引入到自己项目中, 完整产品必须二次开发实现,QQ交流群: 563954381
常见问题
代理服务端:
通过Man-In-Middle 代理方式获取微信服务端返回,自动模拟请求自动分页,抓取对应点击的所有历史文章
客户端:
android,iPhone等微信客户端平台, win和osx的微信客户端暂不兼容
代理协议: http && https, https需要导入certs文件夹的goproxy证书,并且添加受信权限,详细教程请google
Install
依赖go1.7环境,go get github.com/sundy-li/wechat_spider
代理服务端
- 15行代码实现一个简单的爬虫服务 simple_server.go
package main
import (
spider "github.com/sundy-li/wechat_spider"
)
func main() {
var port = "8899"
spider.InitConfig(&spider.Config{
Verbose: false, // Open to see detail logs
AutoScroll: false, // Open to crawl scroll pages
})
spider.Regist(spider.NewBaseProcessor())
spider.Run(port)
}
- 上面贴的是一个精简的服务端,拦截客户端请求,将微信文章url打印到终端
- 如果想自定义输出源以及实现批量自动化爬取,可以实现
Processor
接口的Output
和NextBiz
方法, 参考 custom_output_server.go - 抓取阅读数,点赞数请实现
Processor
接口的Output
和NextUrl
方法,参考custom_output_detail_server.go
- 微信会屏蔽频繁的请求,所以历史文章的翻页请求调用了Sleep()方法, 默认每个请求休眠50ms,可以根据实际情况自定义Processor覆盖此方法
客户端使用:
(确保客户端 能正常访问 代理服务端的服务)
- Android客户端使用方法: 运行后, 设置手机的代理为 本机ip 8899端口, 打开微信客户端, 点击任一公众号查看历史文章按钮, 即可爬取该公众号的所有历史文章(已经支持自动翻页爬取)
- win/mac客户端,设置下全局代理对应 代理服务端的服务和端口,同理点击任一公众号查看历史文章按钮
批量化
-
动态修改js实现批量化(推荐使用),参考custom_output_server.go
-
模拟点击实现批量化(比较麻烦,不推荐使用) windows端 : Windows客户端获取批量公众号所有历史文章方法,对应原理请参考 http://stackbox.cn/2016-07-21-weixin-spider-notes/ ,同时也感谢博文作者提供此windows模拟点击的思路
- 要求安装windows + 微信pc版本 + ActivePython3 + autogui, 设置windows下全局代理对应 代理服务端的服务和端口
- 修改 win_client.py 中的 bizs参数, 通过pyautogui.position() 瞄点设置 first_ret, rel_link 坐标
- 在examples目录下面, 执行 python win_client.py 将自动生成链接,模拟点击
TODO
点赞数,阅读数← Complete!过滤其他请求(图片,视频等),节省带宽开销← Complete!本地缓存的清理,防止页面的请求不经过服务代理← Complete!- 评论(我个人觉得这个东西是没什么意义的)