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?query=从零开始学自动化测试&_sug_type_=&s_from=input&_sug_=n&type=2&page=2&ie=utf8
url = "https://weixin.sogou.com/weixin?query=%s&_sug_type_=&s_from=input&_sug_=n&type=2&page=%s&ie=utf8" \
% (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"] > h4 > 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)
另外有需要云服务器可以了解下创新互联scvps.cn，海内外云服务器15元起步，三天无理由+7*72小时售后在线，公司持有idc许可证，提供“云服务器、裸金属服务器、高防服务器、香港服务器、美国服务器、虚拟主机、免备案服务器”等云主机租用服务以及企业上云的综合解决方案，具有“安全稳定、简单易用、服务可用性高、性价比高”等特点与优势，专为企业上云打造定制，能够满足用户丰富、多元化的应用场景需求。
