本文实例为大家分享了python下载微信公众号相关文章的具体代码,供大家参考,具体内容如下
目的:从零开始学自动化测试公众号中下载“pytest"一系列文档
1、搜索微信号文章关键字搜索
2、对搜索结果前N页进行解析,获取文章标题和对应URL
主要使用的是requests和bs4中的Beautifulsoup
Weixin.py
import requests
from urllib.parse import quote
from bs4 import BeautifulSoup
import re
from WeixinSpider.HTML2doc import MyHTMLParser
class WeixinSpider(object):
def __init__(self, gzh_name, pageno,keyword):
self.GZH_Name = gzh_name
self.pageno = pageno
self.keyword = keyword.lower()
self.page_url = []
self.article_list = []
self.headers = {
'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/70.0.3538.110 Safari/537.36'}
self.timeout = 5
# [...] 用来表示一组字符,单独列出:[amk] 匹配 'a','m'或'k'
# re+ 匹配1个或多个的表达式。
self.pattern = r'[\\/:*"<>|\r\n]+'
def get_page_url(self):
for i in range(1,self.pageno+1):
# https://weixin.sogou.com/weixin"https://weixin.sogou.com/weixin" % (quote(self.GZH_Name),i)
self.page_url.append(url)
def get_article_url(self):
article = {}
for url in self.page_url:
response = requests.get(url,headers=self.headers,timeout=self.timeout)
result = BeautifulSoup(response.text, 'html.parser')
articles = result.select('ul[class="news-list"] > li > div[class="txt-box"] > h3 > a ')
for a in articles:
# print(a.text)
# print(a["href"])
if self.keyword in a.text.lower():
new_text=re.sub(self.pattern,"",a.text)
article[new_text] = a["href"]
self.article_list.append(article)
headers = {'User-Agent':
'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/70.0.3538.110 Safari/537.36'}
timeout = 5
gzh_name = 'pytest文档'
My_GZH = WeixinSpider(gzh_name,5,'pytest')
My_GZH.get_page_url()
# print(My_GZH.page_url)
My_GZH.get_article_url()
# print(My_GZH.article_list)
for article in My_GZH.article_list:
for (key,value) in article.items():
url=value
html_response = requests.get(url,headers=headers,timeout=timeout)
myHTMLParser = MyHTMLParser(key)
myHTMLParser.feed(html_response.text)
myHTMLParser.doc.save(myHTMLParser.docfile)
HTML2doc.py
from html.parser import HTMLParser
import requests
from docx import Document
import re
from docx.shared import RGBColor
import docx
class MyHTMLParser(HTMLParser):
def __init__(self,docname):
HTMLParser.__init__(self)
self.docname=docname
self.docfile = r"D:\pytest\%s.doc"%self.docname
self.doc=Document()
self.title = False
self.code = False
self.text=''
self.processing =None
self.codeprocessing =None
self.picindex = 1
self.headers = {
'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/70.0.3538.110 Safari/537.36'}
self.timeout = 5
def handle_startendtag(self, tag, attrs):
# 图片的处理比较复杂,首先需要找到对应的图片的url,然后下载并写入doc中
if tag == "img":
if len(attrs) == 0:
pass
else:
for (variable, value) in attrs:
if variable == "data-type":
picname = r"D:\pytest\%s%s.%s" % (self.docname, self.picindex, value)
# print(picname)
if variable == "data-src":
picdata = requests.get(value, headers=self.headers, timeout=self.timeout)
# print(value)
self.picindex = self.picindex + 1
# print(self.picindex)
with open(picname, "wb") as pic:
pic.write(picdata.content)
try:
self.doc.add_picture(picname)
except docx.image.exceptions.UnexpectedEndOfFileError as e:
print(e)
def handle_starttag(self, tag, attrs):
if re.match(r"h(\d)", tag):
self.title = True
if tag =="p":
self.processing = tag
if tag == "code":
self.code = True
self.codeprocessing = tag
def handle_data(self, data):
if self.title == True:
self.doc.add_heading(data, level=2)
# if self.in_div == True and self.tag == "p":
if self.processing:
self.text = self.text + data
if self.code == True:
p =self.doc.add_paragraph()
run=p.add_run(data)
run.font.color.rgb = RGBColor(111,111,111)
def handle_endtag(self, tag):
self.title = False
# self.code = False
if tag == self.processing:
self.doc.add_paragraph(self.text)
self.processing = None
self.text=''
if tag == self.codeprocessing:
self.code =False
运行结果:
缺少部分文档,如pytest文档4,是因为搜狗微信文章搜索结果中就没有
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持。
免责声明:本站文章均来自网站采集或用户投稿,网站不提供任何软件下载或自行开发的软件!
如有用户或公司发现本站内容信息存在侵权行为,请邮件告知! 858582#qq.com
暂无“python下载微信公众号相关文章”评论...
《魔兽世界》大逃杀!60人新游玩模式《强袭风暴》3月21日上线
暴雪近日发布了《魔兽世界》10.2.6 更新内容,新游玩模式《强袭风暴》即将于3月21 日在亚服上线,届时玩家将前往阿拉希高地展开一场 60 人大逃杀对战。
艾泽拉斯的冒险者已经征服了艾泽拉斯的大地及遥远的彼岸。他们在对抗世界上最致命的敌人时展现出过人的手腕,并且成功阻止终结宇宙等级的威胁。当他们在为即将于《魔兽世界》资料片《地心之战》中来袭的萨拉塔斯势力做战斗准备时,他们还需要在熟悉的阿拉希高地面对一个全新的敌人──那就是彼此。在《巨龙崛起》10.2.6 更新的《强袭风暴》中,玩家将会进入一个全新的海盗主题大逃杀式限时活动,其中包含极高的风险和史诗级的奖励。
《强袭风暴》不是普通的战场,作为一个独立于主游戏之外的活动,玩家可以用大逃杀的风格来体验《魔兽世界》,不分职业、不分装备(除了你在赛局中捡到的),光是技巧和战略的强弱之分就能决定出谁才是能坚持到最后的赢家。本次活动将会开放单人和双人模式,玩家在加入海盗主题的预赛大厅区域前,可以从强袭风暴角色画面新增好友。游玩游戏将可以累计名望轨迹,《巨龙崛起》和《魔兽世界:巫妖王之怒 经典版》的玩家都可以获得奖励。
更新动态
2025年11月02日
2025年11月02日
- 小骆驼-《草原狼2(蓝光CD)》[原抓WAV+CUE]
- 群星《欢迎来到我身边 电影原声专辑》[320K/MP3][105.02MB]
- 群星《欢迎来到我身边 电影原声专辑》[FLAC/分轨][480.9MB]
- 雷婷《梦里蓝天HQⅡ》 2023头版限量编号低速原抓[WAV+CUE][463M]
- 群星《2024好听新歌42》AI调整音效【WAV分轨】
- 王思雨-《思念陪着鸿雁飞》WAV
- 王思雨《喜马拉雅HQ》头版限量编号[WAV+CUE]
- 李健《无时无刻》[WAV+CUE][590M]
- 陈奕迅《酝酿》[WAV分轨][502M]
- 卓依婷《化蝶》2CD[WAV+CUE][1.1G]
- 群星《吉他王(黑胶CD)》[WAV+CUE]
- 齐秦《穿乐(穿越)》[WAV+CUE]
- 发烧珍品《数位CD音响测试-动向效果(九)》【WAV+CUE】
- 邝美云《邝美云精装歌集》[DSF][1.6G]
- 吕方《爱一回伤一回》[WAV+CUE][454M]
