Awesome

wechat_spider

【提醒】此抓取工具因为微信 api 修改无法跑通，请参考代码思路。

创造不息，交付不止 <a href="https://www.yousails.com"> <img src="https://yousails.com/banners/brand.png" width=350> </a>

这个项目是使用打理的方式抓取微信公众账号文章，首先你需要了解一下现在抓取微信公众账号的两种主流方法，请参考我的文章：

如何优雅的抓取微信公众号历史文章

所以现在一般有两种做法，一种通过搜狗微信，一种通过代理的方式抓取，这个项目就是使用代理的方式抓取。

我本来是写了更复杂的工具，使用 Node.js 的 anyproxy 加上 php 的 Laravel 框架，完成这些功能，但是某天洗澡的时候终于想通了，我其实把一个工具复杂化了，这个工具本来是很简单的，我给一位媒体朋友指导了一下，他也很快就用起来了。

输出

输出有两个东西，一个是 wechat.sqlite，一个是 wechat.csv，wechat.csv 需要通过命令 wechat_spider csv 来生成。

如下是我的公众账号对应的数据：

file

表格头解释：

accountName: 公众号名称
author: 作者
title: 文章标题
contentUrl: 文章链接
cover: 文章封面图
digest: 文章摘要
idx: 如果是1，代表的是当天第一篇文章，如果是2，代表当天第二篇文章，以此类推。
sourceUrl: 阅读原文对应的链接
createTime: 文章创建时间
readNum: 阅读数
likeNum: 点赞数
rewardNum: 赞赏数
electedCommentNum: 被选择显示的回复数

安装

安装 Node.js

通过网站 https://nodejs.org/zh-cn/ 下载最新版本。

安装 Python 2.x 等编译环境依赖

因为里面依赖 sqlite，通过 node-gyp 编译的过程中需要 python 2.x (3.x 不行) 以及 VCBuild.exe ，所以 Windows 的同学一定要安装一下，否则会出错。

Windows 用户通过在具有管理员权限的 PowerShell 下输入 npm install --global --production windows-build-tools 下载安装编译环境依赖。

测试 Node 和 Python 安装正确

Mac 在终端下，Windows 在 cmd 下：

$ npm -v
4.3.0

$ python
Python 2.7.6 (default, Nov 18 2013, 15:12:51)
[GCC 4.2.1 Compatible Apple LLVM 5.0 (clang-500.2.79)] on darwin
Type "help", "copyright", "credits" or "license" for more information.
>>>

如果输出以上类似的信息，证明工具已经安装好了。

安装 wechat_spider

$ npm install wechat_spider -g

测试 wechat_spider 安装正确

$ wechat_spider --help

  Usage: wechat_spider [options]

  Options:

    -h, --help     output usage information
    -V, --version  output the version number

如果输出以上类似信息，证明 wechat_spider 已经安装成功

使用

使用分四步，开启代理，手机设置代理，查看公众账号历史记录，接下来就开始自动抓取了，最后生成 csv。

首次打开需要安装证书

第一步：Mac 在终端下，Windows 在 cmd 下打开工具：

$ wechat_spider

首次需要信任证书。

默认会打开证书的文件夹，如果没有打开，浏览器打开 http://localhost:8002/fetchCrtFile ，也能获取rootCA.crt文件，获取到根证书后，双击，根据操作系统提示，信任rootCA：

Windows
Mac

第二步：使用手机代理：

首次手机需要安装证书，浏览器打开：http://localhost:8002/qr_root ，使用微信扫描二维码，[重要] 用浏览器打开：
- <img src="https://raw.githubusercontent.com/lijinma/MyBox/master/spider/spider_2.jpeg" width="300px">
- <img src="https://raw.githubusercontent.com/lijinma/MyBox/master/spider/spider_3.jpeg" width="300px">
- <img src="https://raw.githubusercontent.com/lijinma/MyBox/master/spider/spider_4.jpeg" width="300px">
- <img src="https://raw.githubusercontent.com/lijinma/MyBox/master/spider/spider_5.jpeg" width="300px">
- <img src="https://raw.githubusercontent.com/lijinma/MyBox/master/spider/spider_6.jpeg" width="300px">
然后获取到你电脑的 IP 地址，假设是 192.168.1.5
设置手机代理为电脑：
- <img src="https://raw.githubusercontent.com/lijinma/MyBox/master/spider/spider_7.jpeg" width="300px">
- <img src="https://raw.githubusercontent.com/lijinma/MyBox/master/spider/spider_8.jpeg" width="300px">

第三步：选择一个微信公众号，点击查看历史记录

<img src="https://raw.githubusercontent.com/lijinma/MyBox/master/spider/spider_9.jpeg" width="300px">
<img src="https://raw.githubusercontent.com/lijinma/MyBox/master/spider/spider_10.jpeg" width="300px">

第四步：等待出现页面“一个公众号采集完成”，就可以生成 csv 了

 $ wechat_spider csv

打赏

我是金马，一个想搞点事情的程序员。如果这个小工具对你有帮助，你可以请我喝杯咖啡，谢谢 :)

LICENSE

MIT.