# -*- coding: utf-8 -*-from selenium import webdriverimport timeimport jsonimport requestsimport reimport random#微信公眾號賬號user=""#公眾號密碼password=""#設置要爬取的公眾號列表gzlist=['香河微服務']#登錄微信公眾號，獲取登錄之后的cookies信息，并保存到本地文本中def weChat_login():  #定義一個空的字典，存放cookies內容  post={}  #用webdriver啟動谷歌瀏覽器  print("啟動瀏覽器，打開微信公眾號登錄界面")  driver = webdriver.Chrome(executable_path='E://program//chromedriver.exe')  #打開微信公眾號登錄頁面  driver.get('https://mp.weixin.qq.com/')  #等待5秒鐘  time.sleep(5)  print("正在輸入微信公眾號登錄賬號和密碼......")  #清空賬號框中的內容  driver.find_element_by_xpath("//*[@id=/"header/"]/div[2]/div/div/form/div[1]/div[1]/div/span/input").clear()  #自動填入登錄用戶名  driver.find_element_by_xpath("//*[@id=/"header/"]/div[2]/div/div/form/div[1]/div[1]/div/span/input").send_keys(user)  #清空密碼框中的內容  driver.find_element_by_xpath("//*[@id=/"header/"]/div[2]/div/div/form/div[1]/div[2]/div/span/input").clear()  #自動填入登錄密碼  driver.find_element_by_xpath("//*[@id=/"header/"]/div[2]/div/div/form/div[1]/div[2]/div/span/input").send_keys(password)  # 在自動輸完密碼之后需要手動點一下記住我  print("請在登錄界面點擊:記住賬號")  time.sleep(10)  #自動點擊登錄按鈕進行登錄  driver.find_element_by_xpath("//*[@id=/"header/"]/div[2]/div/div/form/div[4]/a").click()  # 拿手機掃二維碼！  print("請拿手機掃碼二維碼登錄公眾號")  time.sleep(20)  print("登錄成功")  #重新載入公眾號登錄頁，登錄之后會顯示公眾號后臺首頁，從這個返回內容中獲取cookies信息  driver.get('https://mp.weixin.qq.com/')  #獲取cookies  cookie_items = driver.get_cookies()  #獲取到的cookies是列表形式，將cookies轉成json形式并存入本地名為cookie的文本中  for cookie_item in cookie_items:    post[cookie_item['name']] = cookie_item['value']  cookie_str = json.dumps(post)  with open('cookie.txt', 'w+') as f:    f.write(cookie_str)  print("cookies信息已保存到本地")#爬取微信公眾號文章，并存在本地文本中def get_content(query):  #query為要爬取的公眾號名稱  #公眾號主頁  url = 'https://mp.weixin.qq.com'  #設置headers  header = {    "HOST": "mp.weixin.qq.com",    "User-Agent": "Mozilla/5.0 (Windows NT 6.1; WOW64; rv:53.0) Gecko/20100101 Firefox/53.0"  }  #讀取上一步獲取到的cookies  with open('cookie.txt', 'r') as f:    cookie = f.read().decode("UTF-8")  cookies = json.loads(cookie)  #登錄之后的微信公眾號首頁url變化為：https://mp.weixin.qq.com/cgi-bin/home?t=home/index&lang=zh_CN&token=1849751598，從這里獲取token信息  response = requests.get(url=url, cookies=cookies)  token = re.findall(r'token=(/d+)', str(response.url))[0]  #搜索微信公眾號的接口地址  search_url = 'https://mp.weixin.qq.com/cgi-bin/searchbiz?'  #搜索微信公眾號接口需要傳入的參數，有三個變量：微信公眾號token、隨機數random、搜索的微信公眾號名字  query_id = {    'action': 'search_biz',    'token' : token,    'lang': 'zh_CN',    'f': 'json',    'ajax': '1',    'random': random.random(),    'query': query,    'begin': '0',    'count': '5'  }  #打開搜索微信公眾號接口地址，需要傳入相關參數信息如：cookies、params、headers  search_response = requests.get(search_url, cookies=cookies, headers=header, params=query_id)  #取搜索結果中的第一個公眾號  lists = search_response.json().get('list')[0]  #獲取這個公眾號的fakeid，后面爬取公眾號文章需要此字段  fakeid = lists.get('fakeid')  #微信公眾號文章接口地址  appmsg_url = 'https://mp.weixin.qq.com/cgi-bin/appmsg?'  #搜索文章需要傳入幾個參數：登錄的公眾號token、要爬取文章的公眾號fakeid、隨機數random  query_id_data = {    'token': token,    'lang': 'zh_CN',    'f': 'json',    'ajax': '1',    'random': random.random(),    'action': 'list_ex',    'begin': '0',#不同頁，此參數變化，變化規則為每頁加5    'count': '5',    'query': '',    'fakeid': fakeid,    'type': '9'  }  #打開搜索的微信公眾號文章列表頁  appmsg_response = requests.get(appmsg_url, cookies=cookies, headers=header, params=query_id_data)  #獲取文章總數  max_num = appmsg_response.json().get('app_msg_cnt')  #每頁至少有5條，獲取文章總的頁數，爬取時需要分頁爬  num = int(int(max_num) / 5)  #起始頁begin參數，往后每頁加5  begin = 0  while num + 1 > 0 :    query_id_data = {      'token': token,      'lang': 'zh_CN',      'f': 'json',      'ajax': '1',      'random': random.random(),      'action': 'list_ex',      'begin': '{}'.format(str(begin)),      'count': '5',      'query': '',      'fakeid': fakeid,      'type': '9'    }    print('正在翻頁：--------------',begin)    #獲取每一頁文章的標題和鏈接地址，并寫入本地文本中    query_fakeid_response = requests.get(appmsg_url, cookies=cookies, headers=header, params=query_id_data)    fakeid_list = query_fakeid_response.json().get('app_msg_list')    for item in fakeid_list:      content_link=item.get('link')      content_title=item.get('title')      fileName=query+'.txt'      # with open('e://xhwfw.txt','a') as fh:        # fh.write(content_title+":/n"+content_link+"/n")      print content_title+":/n"+content_link+"/n"    num -= 1    begin = int(begin)    begin+=5    time.sleep(2)if __name__=='__main__':  try:    #登錄微信公眾號，獲取登錄之后的cookies信息，并保存到本地文本中    weChat_login()    #登錄之后，通過微信公眾號后臺提供的微信公眾號文章接口爬取文章    for query in gzlist:      #爬取微信公眾號文章，并存在本地文本中      print("開始爬取公眾號："+query)      get_content(query)      print("爬取完成")  except Exception as e:    print(str(e))