微信小程序内容数据采集抓取爬虫

更新时间:2018-10-06 分类:资源共享 浏览量:38194

微信小程序内容数据采集抓取爬虫

微信小程序公众号订阅号,历史热门文章内容,留言阅读数量点赞数量等数据都可以采集抓取,怎样做?方法会很难吗?楚江数据 p02721606 给你几个微信公众号爬虫,微信数据采集爬取so easy!

1.基于搜狗微信搜索的微信公众号爬虫

a. 项目地址:https://github.com/Chyroc/WechatSogou

b. 基于搜狗微信搜索的微信公众号爬虫接口开发,可获取文章的临时链接,获取微信公众号的最近10篇文章

2.微信公众号爬虫 (基于中间人攻击的爬虫核心实现,支持批量爬取公众号所有历史文章)

a. 项目地址:https://github.com/sundy-li/wechat_spider

b. 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

3.使用Python实现的微信公众号爬虫

a. 项目地址:https://github.com/bowenpay/wechat-spider

4.爬取指定微信公众号的全部历史文章,使用 JS 实现

a. 项目地址:https://github.com/iamyy/wechat-spider

b. 目前需要手动获取 cookie 等验证信息

5.基于搜狗微信入口的微信爬虫程序,使用Python实现。

a. 项目地址:https://github.com/CoolWell/wechat_spider

b. 由基于phantomjs的python实现。 使用了收费的动态代理。 采集包括文章文本、阅读数、点赞数、评论以及评论赞数。 效率:500公众号/小时。 根据采集的公众号划分为多线程,可以实现并行采集。

6.Java 基于selenium抓取搜狗微信公众号文章

a. 项目地址:https://github.com/badaozhai/wechat_webdriver_spider

访问接口需要的参数:

uin : 用户对于公众号的唯一ID, 本来是一个数字, 传的是base64之后的结果;

key : 与公众号和uin绑定, 过期时间大概是半小时;

pass_ticket: 另外一个验证码, 与uin进行绑定;

req_id: 在文章里HTML里, 每次请求会不一样, 用来构成获取阅读点赞接口的RequestBody, 一次有效;

获取阅读点赞接口有频率限制, 测试的结果是一个微信号5分钟可以查看30篇文章的阅读点赞

来源:简书 作者:楚江数据