微信公众号数据采集实战用 WechatSogou 爬虫接口自动抓取公众号与文章【免费下载链接】WechatSogou基于搜狗微信搜索的微信公众号爬虫接口项目地址: https://gitcode.com/gh_mirrors/we/WechatSogou小陈在市场部做竞品分析每天要盯 20 多个竞品公众号手动打开每篇文章、复制标题、摘录摘要、记下发布时间。一上午过去表格还没填满三分之一手指却已经抽筋了。如果你也经历过这种「复制粘贴式加班」那么接下来的十分钟你会遇到一个叫 WechatSogou 的救星——它是一款基于搜狗微信搜索的 Python 爬虫接口专治公众号数据采集的各种手忙脚乱。一句话认识它爬虫接口 你的公众号数据「代购」WechatSogou 是一个开源 Python 库帮你把「搜狗微信搜索」这个数据源封装成几个简单的函数。你只需要告诉它「查哪个公众号」「搜什么关键词」它就把公众号信息、文章列表、热门内容整整齐齐地交到你手里。简单说它替你完成微信公众号数据采集而你只需要会写几行 Python。先别急着问「难不难」往下看30 秒你就能跑通第一个例子。动手前的两分钟准备环境要求非常宽松Python 2.7 或 3.5 都可以需要联网要走搜狗微信搜索建议准备一个稳定的网络环境安装只需要一条命令pip install wechatsogou --upgrade装完顺手验证一下python -c import wechatsogou; print(wechatsogou.__version__)能打印出版本号就说明安装成功可以继续了。核心代码都在wechatsogou/目录下想读源码的话重点看api.py对外接口和const.py常量定义。复制就能跑的 30 秒入门初始化接口、查一个公众号就这么简单import wechatsogou # 初始化 API直连模式无需任何配置 api wechatsogou.WechatSogouAPI() # 查询公众号信息参数传公众号名称或微信号 info api.get_gzh_info(南航青年志愿者) print(info[wechat_name]) # 公众号名称 print(info[wechat_id]) # 微信号 print(info[introduction]) # 简介 print(info[authentication]) # 认证主体运行后你会看到类似下面的输出南航青年志愿者 nanhangqinggong 南航大志愿活动的领跑者,为你提供校内外的志愿资源和精彩消息. 南京航空航天大学是不是很像在调用一个查资料的函数没错微信公众号数据采集的第一行代码就这么写完了。它会自动处理请求、cookie、URL 解码这些脏活你只管拿结果。五个常用任务从入门到进阶1. 先学会「找人」搜索公众号 如果你只记得一个模糊的名字用search_gzh按关键词搜results api.search_gzh(南航) for gzh in results: print(gzh[wechat_name], gzh[wechat_id], gzh[authentication])每个结果都是一个字典包含名称、微信号、认证、头像、简介等字段。拿到了wechat_id再配合get_gzh_info就能精确锁定目标。2. 学会「找文」跨公众号搜文章 只知道关键词、不知道是哪个号发的search_article直接全网搜文章还支持按时间和类型筛选from wechatsogou import WechatSogouConst # 搜最近一周发布的原创文章 articles api.search_article( 数据分析, timesnWechatSogouConst.search_article_time.week, # 时间范围一周 article_typeWechatSogouConst.search_article_type.all, # 文章类型 ) for item in articles: article item[article] gzh item[gzh] print(article[title], |, gzh[wechat_name])返回结构分article标题、链接、摘要、时间和gzh来源公众号两层非常规整。timesn和article_type的常量都在wechatsogou/const.py里想按「一天」「一个月」筛改成day、month就行。3. 学会「收」批量拉取某号的历史文章 这是最常用的场景之一get_gzh_article_by_history一次把某公众号的最近群发文章连同公众号资料一起返回data api.get_gzh_article_by_history(南航青年志愿者) print(data[gzh][wechat_name]) # 公众号信息 for article in data[article][:5]: # 最近 5 篇文章 print(article[title], article[datetime])注意返回的文章链接是临时链接有效期有限拿到的第一时间就去存正文下面第 5 点会讲怎么存。4. 学会「逛」追热门分类内容 想看看某个领域最近什么内容火get_gzh_article_by_hot按分类拉取热门文章hot api.get_gzh_article_by_hot(WechatSogouConst.hot_index.technology) for item in hot: print(item[article][title], |, item[gzh][wechat_name])hot_index下内置了科技、财经、美食、体育、游戏等 20 多个分类常量做行业热点分析时特别顺手。5. 学会「精」关键词联想 保存文章正文 想拓宽选题思路用get_sugg拿搜狗的关键词联想建议sugg api.get_sugg(高考) for s in sugg: print(s)拿到文章链接后再用get_article_content把正文抓下来彻底摆脱「链接过期就啥也没有」的尴尬content api.get_article_content(article_url) print(content) # 清洗后的正文文本串起来写一个「竞品监控小工具」光看单个功能不过瘾我们把这些接口串成一个完整的公众号数据采集小项目每天早上跑一遍自动抓取几个竞品公众号的最新文章输出一份 JSON 报告。import json import time import random import wechatsogou COMPETITORS [南航青年志愿者, 南京航空航天大学] def collect(): api wechatsogou.WechatSogouAPI() report {} for name in COMPETITORS: # 步骤 1抓历史文章 data api.get_gzh_article_by_history(name) # 步骤 2保存文章列表 report[name] { gzh: data[gzh], articles: [ { title: a[title], time: a[datetime], url: a[content_url], } for a in data[article] ], } # 步骤 3控制节奏别把人家服务器逼急了 time.sleep(random.uniform(2, 5)) # 步骤 4落盘存档 with open(competitor_report.json, w, encodingutf-8) as f: json.dump(report, f, ensure_asciiFalse, indent2) print(采集完成共写入, len(report), 个公众号) if __name__ __main__: collect()跑完你就有了一份结构化的竞品公众号数据后续无论是做报表还是做分析都是从文件里读再也不用天天手动复制了。这就是微信公众号数据采集从「手动」到「自动化」的完整闭环。新手最容易踩的五个坑文章链接过期才后悔搜狗返回的文章链接是临时链接过期就打不开。正确姿势是拿到content_url后立刻用get_article_content保存正文。以为能抓全部历史文章通过搜狗接口只能获取公众号最近 10 条群发这是平台限制。想积累更多历史就得定期跑任务增量保存。频繁请求被验证码拦下爬太猛会触发验证码。初始化时可以调大重试次数WechatSogouAPI(captcha_break_time3)更根本的解决办法是放慢速度。不懂加延迟被限流连续请求不加等待很容易被封。养成习惯每次请求之间time.sleep(random.uniform(2, 5))。直接取键报 KeyError有些字段如认证信息可能不存在。取数据时多用info.get(authentication, 未认证)这种安全写法。常见问题快问快答Q拿到文章链接后总是打不开为什么A微信文章链接有时效性过期即失效。建议拿到链接后立刻用get_article_content抓正文存本地别囤链接。Q只能拿到 10 篇文章吗A是的搜狗微信搜索接口只开放最近 10 条群发。想要更多就把它做成定时任务每天采一次累积起来。Q遇到验证码怎么办A库内置了验证码处理机制可配置captcha_break_time增加重试次数如果频繁出现多半是请求太频繁请降低频率或配置代理proxies参数直接透传给 requests。Q支持 Python 2 还是 Python 3A都支持2.7 和 3.5 都能用。Q要不要自己处理 User-Agent 这些头A不用库内置了常用 UA 列表你只需要在需要时传headers覆盖默认值即可。把重复劳动交给代码把时间留给自己回到开头的小陈如果早用上 WechatSogou那一上午的复制粘贴就能压缩成一条命令。这个项目真正的价值不在于「爬」而在于它把微信公众号数据采集的门槛降到了「会写几行 Python 就能上手」剩下的时间你可以用来思考数据背后的业务而不是消耗在机械操作上。最后说句实在话采集工具再方便也要用在正道上。请合理控制请求频率、尊重平台规则和内容版权不要对目标服务器造成压力更不要用于侵犯他人权益的场景。工具无罪使用有度。现在去pip install wechatsogou跑起你的第一行采集代码吧。你的第一个竞品监控小工具值得今天就落地 【免费下载链接】WechatSogou基于搜狗微信搜索的微信公众号爬虫接口项目地址: https://gitcode.com/gh_mirrors/we/WechatSogou创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考