前提：
python3.4
windows
作用：通過搜狗的微信搜索接口http://weixin.sogou.com/來搜索相關微信文章，并將標題及相關鏈接導入Excel表格中
說明：需xlsxwriter模塊，另程序編寫時間為2017/7/11，以免之后程序無法使用可能是網站做過相關改變，程序較為簡單，除去注釋40多行。
正題：
思路：打開初始Url --> 正則獲取標題及鏈接 --> 改變page循環第二步 --> 將得到的標題及鏈接導入Excel
爬蟲的第一步都是先手工操作一遍（閑話）
進入上面提到的網址，如輸入:“圖片識別”,搜索，網址變為“http://weixin.sogou.com/weixin?type=2&query=%E5%9B%BE%E7%89%87%E8%AF%86%E5%88%AB&ie=utf8&s_from=input&_sug_=n&_sug_type_=1&w=01015002&oq=&ri=4&sourceid=sugg&sut=0&sst0=1499778531195&lkt=0%2C0%2C0&p=40040108”標紅為重要參數，type=1時是搜索公眾號，暫且不管，query=‘搜索關鍵詞',關鍵詞已經被編碼，還有一個隱藏參數page=1
當你跳到第二頁時可以看到“http://weixin.sogou.com/weixin?oq=&query=%E5%9B%BE%E7%89%87%E8%AF%86%E5%88%AB&_sug_type_=1&sut=0&lkt=0%2C0%2C0&s_from=input&ri=4&_sug_=n&type=2&sst0=1499778531195&page=2&ie=utf8&p=40040108&dp=1&w=01015002&dr=1”
好了，url可以得到了
url = 'http://weixin.sogou.com/weixin?type=2&query='+search+'&page='+str(page)
search是要搜索的關鍵詞，用quote（）編碼即可插入
search = urllib.request.quote(search)
page是用來循環的
for page in range(1,pagenum+1):
url = 'http://weixin.sogou.com/weixin?type=2&query='+search+'&page='+str(page)
完整的url已經得到了，接下來訪問url，獲得其中的數據（創建opener對象，添加header（））
import urllib.request
header = ('User-Agent','Mozilla/5.0')
opener = urllib.request.build_opener()
opener.addheaders = [header]
urllib.request.install_opener(opener)
data = urllib.request.urlopen(url).read().decode()
得到頁面內容，采用正則表達獲取相關數據
import re
finddata = re.compile('
(.*?)
').findall(data)
#finddata = [('',''),('','')]
通過正則獲取的數據中存在干擾項（鏈接:‘amp;'）和無關項（標題：' <...><....> '）,用replace（）解決
title = title.replace('
','')
title = title.replace('
','')
link = link.replace('amp;','')
將處理后的標題和鏈接保存在列表中
title_link.append(link)
title_link.append(title)
如此搜索的標題和鏈接都得到了，接下來導入Excel
先創建Excel
import xlsxwriter
workbook = xlsxwriter.Workbook(search+'.xlsx')
worksheet = workbook.add_worksheet('微信')
將title_link中的數據導入Excel
for i in range(0,len(title_link),2):
worksheet.write('A'+str(i+1),title_link[i+1])
worksheet.write('C'+str(i+1),title_link[i])
workbook.close()
完整代碼：
'''
python3.4 + windows
羽凡-2017/7/11-
用于搜索微信文章，保存標題及鏈接至Excel中
每個頁面10秒延遲，防止被限制
import urllib.request,xlsxwriter,re,time
'''
import urllib.request
search = str(input("搜索微信文章："))
pagenum = int(input('搜索頁數:'))
import xlsxwriter
workbook = xlsxwriter.Workbook(search+'.xlsx')
search = urllib.request.quote(search)
title_link = []
for page in range(1,pagenum+1):
url = 'http://weixin.sogou.com/weixin?type=2&query='+search+'&page='+str(page)
import urllib.request
header = ('User-Agent','Mozilla/5.0')
opener = urllib.request.build_opener()
opener.addheaders = [header]
urllib.request.install_opener(opener)
data = urllib.request.urlopen(url).read().decode()
import re
finddata = re.compile('
(.*?)
').findall(data)
#finddata = [('',''),('','')]
for i in range(len(finddata)):
title = finddata[i][1]
title = title.replace('
','')
title = title.replace('
','')
try:
#標題中可能存在引號
title = title.replace('“','"')
title = title.replace('”','"')
except:
pass
link = finddata[i][0]
link = link.replace('amp;','')
title_link.append(link)
title_link.append(title)
print('第'+str(page)+'頁')
import time
time.sleep(10)
worksheet = workbook.add_worksheet('微信')
worksheet.set_column('A:A',70)
worksheet.set_column('C:C',100)
bold = workbook.add_format({'bold':True})
worksheet.write('A1','標題',bold)
worksheet.write('C1','鏈接',bold)
for i in range(0,len(title_link),2):
worksheet.write('A'+str(i+1),title_link[i+1])
worksheet.write('C'+str(i+1),title_link[i])
workbook.close()
print('導入Excel完畢！')
以上這篇python3之微信文章爬蟲實例講解就是小編分享給大家的全部內容了，希望能給大家一個參考，也希望大家多多支持腳本之家。
更多文章、技術交流、商務合作、聯系博主
微信掃碼或搜索：z360901061
微信掃一掃加我為好友
QQ號聯系： 360901061
您的支持是博主寫作最大的動力，如果您喜歡我的文章，感覺我的文章對您有幫助，請用微信掃描下面二維碼支持博主2元、5元、10元、20元等您想捐的金額吧，狠狠點擊下面給點支持吧，站長非常感激您！手機微信長按不能支付解決辦法：請將微信支付二維碼保存到相冊，切換到微信，然后點擊微信右上角掃一掃功能，選擇支付二維碼完成支付。
【本文對您有幫助就好】元
