webscraper抓取任意公众号历史文章

2019.10.13 -

- -

刷朋友圈,看到一篇文章,很有料,哈!这个公众号不错,关注一下。

翻一下历史文章吧,看看作者还写了什么其他好玩的东西。

从公众号打开历史文章页,往下滑动了几秒,哎,这样看的话,很费时间啊。

而且我又不想全部文章都看,有没有什么方法,可以看到全部文章标题,我根据标题,选择感兴趣的再看文章内容。

搜索一下,找到了下面几个解决方案。

1、「P大叔」(http://pdfuncle.com/):可以将公众号文章导出为PDF,很方便。

P 大叔 72 小时内才能导出,如果现在就想看,就需要等一段时间,放弃。

2、传送门http://chuansong.me/):可以直观的看到文章标题列表。

我感兴趣的公众号,却是没有被收录,提交的话,估计要等一段时间了。放弃。

3、新榜(https://www.newrank.cn/:新榜的「公众号回采」功能,可以抓取文章的阅读数、点赞数、题图、等等等,多维度的数据。

对于我来说,这么多数据,我用不到,而且价格有点贵。

没钱,放弃。

4、搜狗微信搜索(http://weixin.sogou.com/:可以通过关键字查找相关文章。

如果目标是某个确定的公众号,那搜狗就没有用武之地了,它只能显示最近的10条文章。

放弃。

5、编程:自己抓取公众号的标题。

额。。。这个,有点难度,放弃。

6、不用写代码的爬虫技能:用谷歌插件 webscraper,自己抓取感兴趣的公众号,需要的时候,随时抓,随时出结果。

而且入手简单,还是免费的。

我自己试了下,没问题,几分钟时间,很轻松的就将 1300多个标题全部抓下来了,而且真的一行代码都没有写。

如图:

 

3995122-92e0054b1f0c76e4
excel表格最后部分

下面是抓取公众号的操作详细步骤——

一、 下载安装软件

webscraper 是运行在谷歌浏览器之中,所以我们需要实际需要安装两个软件

  • 谷歌浏览器
  • webscraper

这两个软件如果大家之前用过,就可以直接跳到第二步。

如果没有,可以看下面这个视频,里面详细介绍了安装步骤。

https://v.qq.com/x/page/j0753l7ki12.html

二、 抓取数据

我因为手头只有 mac 系统,所有我介绍一下 mac 的抓取方式。

1、从浏览器打开公众号历史列表

打开 mac 版微信,进入某个公众号,点开历史文章页面,如下图——

 

3995122-c3a0c0bb9f7dd508
image.png

点击历史文章页面图标(上图标注2)后,会弹出一个窗口,可以看到下面的图片——

 

3995122-5a34c28a2f1984b8
image.png

这块如果你看到的是其他浏览器图标,则需要将系统默认浏览器设置为谷歌浏览器。这块自己百度一下

点击上图标注的浏览器logo,即可在浏览器查看公众号历史文章列表,这个页面,记为 A,不要关闭。

这个网页URL,也就是浏览器地址栏的信息,复制到某个地方保存下来,记为 B,这个很重要。
如下图

 

3995122-48f7921857a2d999
image.png

如果你点开出现下面的情况——

 

3995122-4d99612a8abb6f20
image.png

说明你的微信版本太高,最新版的微信内置浏览器,所以无法通过浏览器查看。需要退回到上一个版本的微信

2、开始抓取数据

(1)在前面的 A 网页上,点击鼠标 右键 ——> 审查元素(检查)

可以看到下方界面,如果和图片不一致,说明你的webscraper安装可能出现点问题,可以回看上面的视频演示。

3995122-34d0f74dd5abdd41

图片下方的一大列信息请忽略,能看到红框标注的 web scraper即可。

(2)点击 Create new sitemap ——> Import Sitemap,如下图。

3995122-b7dcd937040733cc
image.png

点击 Import Sitemap 后,可以看到下面界面——

 

3995122-fd9ea07da4da13fc

在 Sitemap JSON 右侧输入下面信息():

{“_id”:”testwechat”,”startUrl”:[“https://mp.weixin.qq.com/mp/profile_ext?action=home&__biz=MzI3ODU2MTUwOA==&scene=124&#wechat_redirect“],”selectors”:[{“id”:”total”,”type”:”SelectorElementScroll”,”parentSelectors”:[“_root”],”selector”:”div.weui_media_box”,”multiple”:true,”delay”:”3000″},{“id”:”title”,”type”:”SelectorText”,”parentSelectors”:[“total”],”selector”:”h4.weui_media_title”,”multiple”:false,”regex”:””,”delay”:0},{“id”:”date”,”type”:”SelectorText”,”parentSelectors”:[“total”],”selector”:”p.weui_media_extra_info”,”multiple”:false,”regex”:””,”delay”:0}]}


注意!!上方加粗的链接,大家需要换成自己想要抓取的公众号历史文章界面的网址,这个网址,前面让大家复制保存记为 B了。(忘了的可以上拉看下)

Rename Sitemap,就是重新起个名字,你抓的哪个公众号,就取什么最好,做到顾名思义。(也可以不写,默认为 testwechat)

填完点击最下面的 Import Sitemap即可。

(3)开始抓取,点击中间栏 “Sitemap 你起的名字” ——> Scrape。

如下图——

3995122-d5223665601c5ab0
image.png

出现下方界面,需要填两个信息,默认即可。

3995122-c1290701d7b80bcb
image.png

点击“Start scraping”,就是见证奇迹的时刻。

浏览器会弹出一个新窗口,这个窗口会自动下拉,直到将公众号的文章全部抓取完毕才会停止,这个过程,你可以去做其他任何事情,但是不要关闭这个弹出窗口。

如果你出现下面这个界面,提示“验证”,卡住不动,说明你没有做上面的修改链接步骤,请回到上面第(2)步。

3995122-aca20bd70f2edc91
image.png

等到数据抓取完毕,可以看到下面这个界面,点击 “refresh”
一定等抓完再点 refresh

3995122-e0c7e10ad65420d1
image.png

(4)导出excel到电脑上:点击中间栏 “Sitemap 你起的名字” ——> Export data as CSV

如下图——

3995122-b0faba63eab30f91

点击 Download now! ,如下图

3995122-fdcb8827bfa6284f
image.png

至此,我们已经将一个公众号的所有标题,以及发文日期抓取完毕。下载的 CSV 文件可以用excel打开。

excel里面的内容,大家关注自己需要的即可,无关的列,可以删掉。

这里抓到的只是标题和时间,如果大家通过标题,对某篇文章感兴趣,可以复制标题,到搜狗微信搜索(http://weixin.sogou.com/)即可看到原版内容。

我问了几个windows系统的朋友,发现windows版的微信无法从浏览器打开公众号文章列表,也就是前面的 A 网页,如果能做到这点,那就可以按照上面的方法操作。

可能还有其他方法可以做到这点,windows的朋友可以试下,如果成功了,可以告诉我下。

如果实在不行的话,就找个有mac的朋友帮你抓下,很简单的,要不找明白也行的。

- END -

- -

87
0

4位营销专家告诉你,旅游类品牌如何成功解锁KOL营销?

刷朋友圈,看到一篇文章,很有料,哈!这个公众号不错,关注一下。 翻一下历史文章吧,看看作者还写了什么其他好玩的东西。 从公众号打开历史文章页,往下滑动了几秒,哎,这样看的话,很费时间啊。 而且我又不想全部文章都看,有没有什么方法,可以看到全 […]