一步一步教你爬取微信公众号文章

        现在有很多数据分析的案例，都会用到微信公众号发布的文章，作为数据源之一。俗话说，不会写爬虫的报表开发不是一个好的数据分析师，下面，我们就一起来看看如何用爬虫技术来快速爬取微信公众号的文章。

• 安装python开发环境

    从Python的官方网站python.org下载python3.5，运行安装文件，勾上所有组件，然后一路点next即可完成安装。安装完成后打开命令行窗口，敲入python命令，得到下图界面提示后表示安装成功。

• 安装fiddler抓包软件
  

      Fiddler是一个比较好用的抓包工具，可以将网络传输发送与接收的数据包进行截获、重发、编辑等操作，我们使用fiddler正好可以跟踪到微信公众号文章列表对应的HTTP链接以及请求参数等内容，方便我们做分析。

Fiddler 下载地址 ：  

https://www.telerik.com/download/fiddler

• 在电脑上登录微信

1. 打开fiddler抓包软件，然后打开电脑版微信，找到需要爬取的公众号

   
   

   
   

2. 点击公众号，再点击查看历史信息

   
   

   
   

3. 进入历史信息界面如下

   
   

   
   

4. 向下滑动右侧的滚动条，同时观察fiddler上的抓包信息，有新的抓包信息出现后即可停止，仔细分析抓包软件中显示的信息

   
   

   
   

   如上图所示，图中选中的请求就是拖动滚动条，后台向微信服务器发起的请求，该请求可以返回公众号发布过的历史文章信息。

   
   

5. 分析HTTP请求参数

   

   
   

多滑动几次滚动条，分析每次请求的参数，发现以上参数中只有offset和is_ok参数会变化，这两个参数是如何构造的呢，分析这类请求返回的json数据

在返回的json数据中，next_offset对应的就是下一次请求对应的offset参数，can_msg_continue对应的就是下一次请求对应的is_ok参数，通过观察，当返回的json数据can_msg_continue=0的时候就代表历史信息翻页已经翻到底了。

继续分析json数据， 可以看到general_msg_list键对应的value里包含了文章列表的基本信息，比如文章标题和url，向url发起请求便可以拿到文章内容。

        根据我们以上分析，通过抓包软件Fiddler，可以找到公众号历史信息对应的url以及url请求需要携带的参数，我们可以通过代码来构造这些请求链接，并模拟翻页，一次性爬取完公众号的历史文章信息。下面就是编写代码了。

关键代码展示