微信公衆號所有歷史文章的標題/點贊數/閱讀數統計

下面這段代碼的邏輯起點是頁面滑到底部ajax加載的一個鏈接url_initial(我是在手機微信上在瀏覽某個公衆號的某個頁面時send to Chat到自己賬號，獲得鏈接後在電腦chrome上打開; 或者可以通過關注 “My Evernote”，把鏈接發到Evernote的筆記裏; 或者在ios平臺上好像有發送到郵件的功能，也可以得到這個鏈接； 但是直接在瀏覽器中打開或者之間拷貝鏈接是無效的。然後在瀏覽器中打開鏈接，通過檢測瀏覽器訪問的Network->XHR找到需要的鏈接的)

通過觀察發現這個加載功能的接口每次訪問時返回10個條目，而訪問時傳到服務器的參數只有frommsgid是改變的，而且是上一次訪問的最後一個條目的id。所以可以遞歸獲得所有的條目。

這個加載接口的參數還有幾個是和session相關的，導致只能存活20min左右，這時候需要重新通過手機微信去獲得url_initial

訪問接口的頻率不能太快，一次循環結束需要加一句time.sleep(t)其中t>0.5時應該是安全的，否則會被臨時禁止訪問

單單通過這個方法獲得不到閱讀數和評論數，http://tool.qoofan.com/weixin/query這個網站提供了API查詢閱讀數和評論數(但是收費)，當然也可以自己嘗試着去尋找漏洞自己寫API

#coding=utf-8
import sys
reload(sys)
sys.setdefaultencoding('utf-8')
from pyquery import PyQuery as pq
import requests
import codecs
import json
import time
import datetime
def ttd(timestamp):
    timeStr=time.strftime("%Y-%m-%d %H:%M:%S", time.localtime(timestamp))
    return timeStr
f=codecs.open('/home/allen/projects/sjtu_news/data_wechat.csv','w','utf-8')
url_initial='https://mp.weixin.qq.com/mp/getmasssendmsg?__biz=MjM5MDIyMDQyMA==&uin=MjMzNTA3MjQw&key=8dcebf9e179c9f3a15be50268fa7072ea98eab64f47c243ed0a75d48addee99ee76f6585fb67fd0f15a6d32009bfe38b&f=json&frommsgid=1000000038&count=10&uin=MjMzNTA3MjQw&key=8dcebf9e179c9f3a15be50268fa7072ea98eab64f47c243ed0a75d48addee99ee76f6585fb67fd0f15a6d32009bfe38b&pass_ticket=OHlwEqWexZOnMR8LoFoVhpLM7RXg28HZhMrsoP4Rrc0%25253D&wxtoken=&x5=0'
url_head=url_initial[0:url_initial.index('frommsgid=')+len('frommsgid=')]
url_tail=url_initial[url_initial.index('&count='):]
headers = {"User-Agent": "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_10_3) AppleWebKit/600.5.17 (KHTML, like Gecko) Version/8.0.5 Safari/600.5.17"}
def run(url_initial):
    page=requests.get(url_initial)
    page.encoding='utf-8'
    page_json=json.loads(page.text)
    general_msg_list=page_json['general_msg_list']
    general_msg_list=json.loads(general_msg_list)
    lists=general_msg_list['list']
    # print lists[0]['app_msg_ext_info']['multi_app_msg_item_list'][0]['title']
    last_id=general_msg_list['list'][9]['comm_msg_info']['id']
    # main_title=[general_msg_list['list'][i]['app_msg_ext_info']['title'] for i in range(10)]
    main_title=[]
    for i in range(10):
        try:
            main_title.append(general_msg_list['list'][i]['app_msg_ext_info']['title'])
        except:
            main_title.append(general_msg_list['list'][i]['comm_msg_info']['content'])
    datetime=[general_msg_list['list'][i]['comm_msg_info']['datetime'] for i in range(10)]
    for i in range(10):
        try:
            multi_msg=[general_msg_list['list'][i]['app_msg_ext_info']['multi_app_msg_item_list'] for i in range(10)]
        except:
            multi_msg=[]
    i=0
    for j in multi_msg:
        f.write(str(ttd(datetime[i]))+'\t')
        f.write(main_title[i]+'\t')
        i=i+1
        for k in j:
            f.write(k['title']+'\t')
        f.write('\n')
    return last_id

for i in range(1000):
        rv=run(url_initial)
        print rv
        time.sleep(2)
        url_initial=url_head+str(rv)+url_tail
        # print url_initial

github地址:
https://github.com/wkl7123/CrawlerForWechat