基于搜狗微信搜索的微信公众号爬虫接口，可以扩展成基于搜狗搜索的爬虫
如果有问题，请提issue
参见test.py
from wechatsogou import *
wechats = WechatSogouApi()
name = '南京航空航天大学'
wechat_infos = wechats.search_gzh_info(name)
返回结果是列表，每一项均是公众号具体信息字典，具体如下
| 字段 | 含义 |
|---|---|
| name | 公众号名称 |
| wechatid | 公众号ID |
| jieshao | 介绍 |
| renzhen | 认证信息，为空表示未认证 |
| qrcode | 二维码图片地址 |
| img | 头像地址 |
| url | 最近文章地址 |
对于一个已知wechatid的公众号
wechat_id = 'nanhangqinggong'
wechat_info = wechats.get_gzh_info(wechat_id)
返回结果与上述search_gzh_info返回结果一致
keywords = '傅里叶变换'
wechat_articles = wechats.search_article_info(keywords)
返回结果是列表，每一项均是文章信息字典，具体如下
| 字段 | 含义 |
|---|---|
| name | 文章标题 |
| url | 文章链接 |
| img | 文章封面图片缩略图，可转为高清大图 |
| zhaiyao | 文章摘要 |
| time | 文章推送时间，10位时间戳 |
| gzhname | 公众号名称 |
| gzhqrcodes | 公众号二维码 |
| gzhurl | 公众号最近文章地址 |
data = wechats.get_gzh_message(url=url)
# 或者 data = wechats.get_gzh_message(wechatid=wechatid)
# 或者（不推荐） data = wechats.get_gzh_message(wechat_name=wechat_name)
返回的是 列表，每一项均是字典，一定含有字段qunfa_id,datetime,type
| 字段 | 含义 |
|---|---|
| qunfa_id | 群发消息id |
| datetime | 群发10位时间戳 |
| type | 群发消息类型 |
下面是type不同的值时的其他字段
| 字段 | 含义 |
|---|---|
| type | 1,表示文字 |
| content | 文字内容 |
| 字段 | 含义 |
|---|---|
| type | 3,表示图片 |
| img_url | 图片链接 |
| 字段 | 含义 |
|---|---|
| type | 34,表示音频 |
| play_length | 长度 |
| fileid | id |
| audio_src | 音频地址 |
| 字段 | 含义 |
|---|---|
| type | 49,表示图文 |
| main | 是否是一次推送中第一篇文章，1则是 |
| is_multi | 本图文所属推送是否是多图文 |
| title | 文章标题 |
| digest | 摘要 |
| fileid | id |
| content_url | 文章地址 |
| source_url | 原文地址 |
| cover | 封面图片 |
| author | 作者 |
| copyright_stat | 文章内容版权性 |
| 字段 | 含义 |
|---|---|
| type | 62,表示视频 |
| cdn_videoid | id |
| thumb | 缩略图 |
| video_src | 视频地址 |
data = wechats.get_gzh_message_and_info(url=url)
# 或者 data = wechats.get_gzh_message_and_info(wechatid=wechatid)
# 或者（不推荐） data = wechats.get_gzh_message_and_info(wechat_name=wechat_name)
返回的是字典{'gzh_info':gzh_info, 'gzh_messages':gzh_messages}
| 字段 | 含义 |
|---|---|
| gzh_info | 公众号信息字典 |
| gzh_messages | 群发消息列表 |
其中gzh_info的具体如下
| 字段 | 含义 |
|---|---|
| name | 公众号名称 |
| wechatid | 公众号id |
| jieshao | 介绍 |
| renzhen | 认证，为空表示未认证 |
| qrcode | 二维码 |
| img | 头像图片 |
| url | 最近文章地址 |
gzh_messages一定含有字段qunfa_id,datetime,type
具体见上一项
article_content = wechats.deal_article_content(text=text)
# 或 article_content = wechats.deal_article_content(url=url)
text是文章页文本，url是文章页链接
返回是文章内容（含有html格式）
article_related = wechats.deal_article_related(url, title)
url: 文章链接,title: 文章标题
article_comment = wechats.deal_article_comment(text=text)
# 或 article_comment = wechats.deal_article_comment(url=url)
text是文章页文本，url是文章页链接
一般需要处理，因为需要在这一步获取固定的而不是临时的文章链接
article_info = wechats.deal_article(url)
返回字典，具体如下
| 字段 | 含义 |
|---|---|
| yuan | 文章固定地址 |
| related | 相似文章信息字典 |
| comment | 评论信息字典 |
| content_html | 文章内容 |
comment是评论以及阅读量，字典
| 字段 | 含义 |
|---|---|
| base_resp | 返回码，字典，包含下面两项 |
| base_resp->ret | 返回码 |
| base_resp->errmsg | 返回错误信息 |
| read_num | 阅读量 |
| like_num | 点赞数 |
| elected_comment_total_cnt | 评论数 |
| comment | 具体评论数据，每一项均是一个列表，设为comment_comment |
comment_comment是一项评论
| 字段 | 含义 |
|---|---|
| content | 评论内容 |
| like_num | 点赞数 |
| nick_name | 评论者昵称 |
| logo_url | 评论者头像 |
| reply | 回复 |
| 其余字典未说明，请打印自行查看 | ... |
articles_single = wechats.get_recent_article_url_by_index_single()
返回的是列表，每一项是不同公众号的的最近文章页
articles_all = wechats.get_recent_article_url_by_index_all()
返回的是列表，每一项是不同公众号的的最近文章页
sugg_keyword = wechats.get_sugg('**梦')
返回的是列表，每一项是不同公众号的的最近文章页
- 相似文章的公众号获取
- 主页热门公众号获取
- 文章详情页信息
- 所有类型的解析
- 验证码识别
- 接入爬虫框架
- 兼容py2