Skip to content

Latest commit

 

History

History
151 lines (102 loc) · 6.22 KB

README.md

File metadata and controls

151 lines (102 loc) · 6.22 KB
Raw

What is weixin_crawler?

weixin_crawler是一款使用Scrapy、Flask、Echarts、Elasticsearch等实现的微信公众号文章爬虫，自带分析报告和全文检索功能，几百万的文档都能瞬间搜索。weixin_crawler设计的初衷是尽可能多、尽可能快地爬取微信公众的历史发文

如果你想先看看这个项目是否有趣，这段不足3分钟的介绍视频一定是你需要的：

https://www.youtube.com/watch?v=CbfLRCV7oeU&t=8s

主要特点

  1. 使用Python3编写

  2. 爬虫框架为Scrapy并且实际用到了Scrapy的诸多特性，是深入学习Scrapy的不错开源项目

  3. 利用Flask、Flask-socketio、Vue实现了高可用性的UI界面。功能强大实用，是新媒体运营等岗位不错的数据助手

  4. 得益于Scrapy、MongoDB、Elasticsearch的使用，数据爬取、存储、索引均简单高效

  5. 支持微信公众号的全部历史发文爬取

  6. 支持微信公众号文章的阅读量、点赞量、赞赏量、评论量等数据的爬取

  7. 自带面向单个公众号的数据分析报告

  8. 利用Elasticsearch实现了全文检索，支持多种搜索和模式和排序模式，针对搜索结果提供了趋势分析图表

  9. 支持对公众号进行分组，可利用分组数据限定搜索范围

  10. 原创手机自动化操作方法，可实现爬虫无人监管

  11. 反爬措施简单粗暴

使用到的主要工具

语言 Python3.6
前端 web框架 Flask / Flask-socketio / gevent
js/css库 Vue / Jquery / W3css / Echarts / Front-awsome
后端 爬虫 Scrapy
存储 Mongodb / Redis
索引 Elasticsearch

运行方法

Insatall mongodb / redis / elasticsearch and run them in the background

  1. downlaod mongodb / redis / elasticsearch from their official sites and install them

  2. run them at the same time under the default configuration. In this case mongodb is localhost:27017 redis is localhost:6379(or you have to config in weixin_crawler/project/configs/auth.py)

Install proxy server and run proxy.js

  1. install nodejs and then npm install anyproxy and redis in weixin_crawler/proxy

  2. cd to weixin_crawler/proxy and run node proxy.js

  3. install anyproxy https CA in both computer and phone side

  4. if you are not sure how to use anyproxy, here is the doc

Install the needed python packages

  1. NOTE: you may can not simply type pip install -r requirements.txt to install every package, twist is one of them which is needed by scrapy

  2. I am not sure if your python enviroment will throw other package not found error, just install any package that is needed

Some source code have to be modified(maybe it is not reasonable)

  1. scrapy Python36\Lib\site-packages\scrapy\http\request\ _init_.py --> weixin_crawler\source_code\request\__init__.py

  2. scrapy Python36\Lib\site-packages\scrapy\http\response\ _init_.py --> weixin_crawler\source_code\response\_init_.py

  3. pyecharts Python36\Lib\site-packages\pyecharts\base.py --> weixin_crawler\source_code\base.py. In this case function get_echarts_options is added in line 106

If you want weixin_crawler work automatically those steps are necessary or you shoud operate the phone to get the request data that will be detected by Anyproxy manual

  1. Install abd and add it to your path(windows for example)

  2. install android emulator(NOX suggested) or plugin your phone and make sure you can operate them with abd from command line tools

  3. If mutiple phone are connected to your computer you have to find out their adb ports which will be used to add crawler

Run the main.py

Just run python weixin_crawler\project\main.py. Now open the browser and everything you want would be in localhost:5000.

In this long step list you may get stucked, join our community for help, tell us what you have done and what kind of error you have found.

Let's go to explore the world in localhost:5000 together

功能展示

UI主界面

1

添加公众号爬取任务和已经爬取的公众号列表

1

爬虫界面

设置界面

公众号历史文章列表

报告

搜索

加入社区

也许你属于：

  • 刚刚毕业的技术小白，没啥项目开发经验

  • 能轻松让weixin_crawler跑起来的老司机

  • 爬虫大牛，指哪儿爬哪儿

  • 你可能是从事新媒体运营一类工作，完全不懂编程但是希望充分运用weixin_crawler的各项功能服务于自己的工作

不管你属于哪一类，只要你对微信数据分析有浓厚的兴趣，通过作者微信加入我们的社区都能获得想要。

回馈作者

weixin_crawler从2018年6月份就开始利用业余时间开发（居然用了半年时间），无奈作者水平有限，至今才勉强能拿出一个可用版本分享给各位爬虫爱好者，多谢大家的期待。如果你喜欢这个项目，期待你的回馈。

你可以通过以下任意一种方式回馈作者（可多选哦）：

  • 一个小小的star，并把这个有趣的开源项目分享给别的开发者，哪怕只有一位，只要他也是在技术精进道路上的砥砺前行着

  • 打赏给作者一杯咖啡，以后的熬夜奋战也因此多了一丝效率 ：）

  • 加入社群一起贡献代码，我们一起创造出更酷的爬虫

  • 加入知识星球听作者将weixin_crawler的每一个函数和每一个问题解决的思维过程娓娓道来，你会因此认识更多意志坚定的开发者

作者微信(备注请以wc开头) 加入知识星球 打赏作者