readwx

程序功能：爬取微信公众号利用搜狗微信找到微信文章，并保存mysql
创建人：紫气东来（微信、QQ:153560261）
因为工作中用到抓取微信与内外部网站进行同步，所以编写了此程序。
程序思路：用selenium模拟手机登陆，下载对应HTML，再用BeautifulSoup解析html，存放mysql
程序构建在py3.x基础上，可以优化为爬虫程序。

一：使用说明
1:程序使用了selenium，所以必须先安装chrome浏览器对应插件。
  插件下载地址：https://sites.google.com/a/chromium.org/chromedriver/downloads
  下载对应版本的EXE文件后，拷贝到chrome浏览器的目录，比如：C:\Program Files (x86)\Google\Chrome\Application
  V56-V57版本的chrome可以直接用plugin下的chromedriver

2:建立表结构之后，修改运行test.py，数据会抓取到对应表。

演示效果：

二：数据库结构
-- ----------------------------
-- Table structure for zwxsougoupost
-- ----------------------------

DROP TABLE IF EXISTS `zwxsougoupost`;
CREATE TABLE `zwxsougoupost` (
`id` int(11) unsigned zerofill NOT NULL AUTO_INCREMENT,
`biz` varchar(255) CHARACTER SET utf8 DEFAULT NULL COMMENT '文章对应的公众号biz',
`field_id` varchar(30) DEFAULT NULL COMMENT '微信定义的一个id',
`ztitle` varchar(255) DEFAULT '' COMMENT '文章标题',
`title_encode` text CHARACTER SET utf8 COMMENT '文章编码 ,
`zdesc` varchar(500) DEFAULT '' COMMENT '文章摘要',
`zhref` varchar(500) CHARACTER SET utf8 DEFAULT NULL COMMENT '文章地址',
`source_url` varchar(500) CHARACTER SET utf8 DEFAULT NULL COMMENT '阅读原文地址',
`zimg` varchar(500) CHARACTER SET utf8 DEFAULT NULL COMMENT '封面图片',
`is_multi` int(11) DEFAULT NULL COMMENT '是否多图文',
`is_top` int(11) DEFAULT NULL COMMENT '是否头条',
`ztime` date DEFAULT NULL,
`readNum` int(11) DEFAULT '1' COMMENT '文章阅读量',
`likeNum` int(11) DEFAULT '0' COMMENT '文章点赞量',
`zcontent` text CHARACTER SET utf8,
`isup` int(4) unsigned zerofill DEFAULT NULL,
PRIMARY KEY (`id`),
UNIQUE KEY `ztitle` (`ztitle`)
) ENGINE=MyISAM AUTO_INCREMENT=207 DEFAULT CHARSET=gbk;

三：如果帮助到了您，欢迎请老师喝杯水，谢谢。【微信扫码，功德随意】

任何问题可以咨询QQ:153560261 (紫气东来)

libenhe / readwx

readwx

About

Languages