企业官网建设流程全解析

告别手工抄数：用 wechat_articles_spider 把公众号阅读量、点赞数一键装进表格

【免费下载链接】wechat_articles_spider微信公众号文章的爬虫项目地址: https://gitcode.com/gh_mirrors/we/wechat_articles_spider

周五下午四点半，运营小林对着电脑屏幕发呆——明天要交月度竞品分析，20 篇对标文章的数据还躺在一篇篇微信推文里。她得点开每一篇，滑到最底下，记下阅读量、点亮那个小心形看点赞数，再把评论区热评一条条复制出来。一篇折腾三分钟，还没算中途被"访问过于频繁"卡住。这可能是每一个做公众号运营、内容分析或学术研究的人都经历过的噩梦：微信官方并没有提供批量导出文章数据的接口，而手动记录既慢又容易漏。

有没有一个工具，能把"打开文章 → 找数据 → 抄进表格"这三步，压缩成"跑一个脚本"？答案就在我们今天要聊的这个开源项目里——wechat_articles_spider，一个面向开发者和数据分析师的 Python 微信公众号爬虫库。它通过模拟微信客户端行为，帮你批量抓取公众号的文章链接、阅读量、点赞数和评论信息，甚至能把整篇文章连同图片下载到本地存档。无论你是分析自己账号的表现，还是监控竞品动向，它都能把最费时的那部分数据采集工作自动化。

30 秒看懂这个爬虫能做什么

先给你一张"能力地图"，建立整体认知：

一句话总结它的定位：它不做自动登录、不做实时推送，专注把"已授权参数下能拿到的公开数据"稳定、规整地抓给你。

能力拆解一：阅读量、点赞数与评论，一个方法全搞定

这是整个项目最核心的价值。文章在公众号后台只能看到"群发数据"，而单篇推文的实时阅读量、点赞数，以及评论区互动，普通用户根本无处批量获取。ArticlesInfo正是为此设计的。

它怎么做到的？原理其实不复杂：当你点开一篇微信文章时，客户端会向getappmsgext接口请求互动数据，而这个请求需要携带appmsg_token和cookie两个凭证。ArticlesInfo要做的事就是：帮你把文章 URL 解析成__biz、mid、idx、sn四个参数，拼好请求，然后解析返回的 JSON。

看下真实调用，是不是比想象中简单：

from wechatarticles import ArticlesInfo ai = ArticlesInfo(appmsg_token, cookie) read_num, like_num, old_like_num = ai.read_like_nums(article_url) comments = ai.comments(article_url)

一次调用返回三个数值：阅读数、点赞数、旧版点赞（也就是"在看"的前身），comments则返回完整的评论 JSON，包括每条评论的文字、点赞数、是否置顶、作者昵称和头像。对比一下：

• 没有它之前：一篇篇点开文章 → 滑到底 → 记数 → 翻评论，一篇 3 分钟。
• 有了它之后：一条命令拿到一篇文章的全部互动数据，循环 100 篇也只是加个for的事。

如果你还想顺带分析正文，content()和complete_content()可以返回纯文本正文、字数、图片数量、标题、发布时间戳、是否含视频/内链等结构化信息。示例代码在 test/test_WechatInfo.py，照着替换参数就能跑。

能力拆解二：四条通道获取文章链接，总有一条适合你

拿到互动数据的前提是手里得有文章链接。ArticlesUrls.py针对不同场景提供了四套获取方案，这是我觉得项目里最有"工程智慧"的部分：

1. PublicAccountsWeb（公众号网页版）：模拟登录微信公众平台，按公众号名称搜索、拿 fakeid，再分页拉取历史文章列表。适合日常增量抓取，但单次数量有限制，量大时建议多账号并行。
2. PC（PC 端微信）：通过profile_ext接口翻历史消息，能拿到超过 500 条的链接。代价是"一次性"，README 里作者特别提醒这方法用完即失效，要慎重。
3. Mobile（移动端微信）：原理同 PC 端，目前文档标注已失效，留作参考。
4. WeBook（微信读书）：一个冷门但好用的偏门通道——通过微信读书的订阅源接口抓链接，目前看来不会封禁，被判定频繁时在移动端过个滑动验证码就能继续。

再加上utils.py里现成的get_history_urls工具函数，你可以直接拿到按时间排序的历史链接列表。选择建议：日常监控用网页版最稳妥，一次性补全历史数据再考虑 PC 端。

能力拆解三：文章一键下载成离线 HTML，内容归档不再怕删文

做竞品研究和内容库建设的人，最怕的一件事就是：昨天还能打开的文章，今天显示"该内容已被发布者删除"。Url2Html就是为了解决这个焦虑而生的。

它的run()方法提供 6 种模式，从轻到重自由选择：

• mode 1：只返回 HTML 源码，不下载图片
• mode 3：返回源码，下载图片并替换成本地路径
• mode 4：保存 HTML 文件 + 下载图片（最常用）
• mode 5：在 mode 4 基础上，连文中的音频（mp3）和视频（mp4）一起下载

from wechatarticles import Url2Html uh = Url2Html() res = uh.run(article_url, mode=4) print(res) # 输出: xxx success!

下载后它会自动按"公众号名/日期/标题"的规则归档，图片集中放在imgs子目录，还贴心地处理了 Windows 下标题非法字符的问题。跑一遍 test/test_Url2Html.py，你就拥有一个可离线阅读、可长期存档的内容库了。

三分钟跑通第一个例子：从安装到拿到一篇阅读量

好，理论说完了，现在动手。整个上手过程就三步。

第一步，安装依赖。克隆仓库后安装依赖，或者直接装发布包：

git clone https://gitcode.com/gh_mirrors/we/wechat_articles_spider cd wechat_articles_spider pip install -r requirements.txt python -c "import wechatarticles; print('安装成功！')"

第二步，拿到两组关键参数。这是最需要耐心的一步，也是项目文档最详细的部分：

• cookie + token（公众号网页版用）：登录微信公众平台 → 按 F12 打开开发者工具 → Network 面板 → 刷新页面，在任意一个请求的 Headers 里就能看到 Cookie 和 token。详细图文步骤见 docs/get_cookie_token.md。
• appmsg_token + cookie（抓文章数据用）：用 Fiddler（或 Charles、mitmproxy 等任意能解 HTTPS 的抓包工具）监控微信 PC 端，点开任意一篇文章，找到getappmsgext请求，参数和响应都在里面。操作截图见 docs/get_appmsg_token.md。

第三步，替换参数跑通。拿到参数后，把 test/test_WechatInfo.py 里的appmsg_token、cookie、article_url换成你自己的，运行：

python test/test_WechatInfo.py

屏幕上打印出评论列表和read_like_num: 1546 56 10这样的输出时，你就已经跨过最大的门槛了。

实战演示：把整个公众号的文章数据倒进 Excel

光跑通一篇还不够，我们来看一个完整场景：把某个公众号近期的所有文章标题、日期、阅读量、点赞数，一次性导出成表格。项目在 test/test_GetUrls.py 里给出了完整骨架，核心逻辑如下：

1. 用get_history_urls(biz, uin, key, ...)拉取历史文章链接列表；
2. 循环遍历，对每篇文章调用ai.read_like_nums(url)拿到阅读数和点赞数；
3. 每条结果追加进列表，用 pandas 写入 Excel：

import pandas as pd from wechatarticles import ArticlesInfo from wechatarticles.utils import get_history_urls lst = get_history_urls(biz, uin, key, lst=[], start_timestamp=0, start_count=0, end_count=10) ai = ArticlesInfo(appmsg_token, cookie) item_lst = [] for item_lst_raw in lst: for item in item_lst_raw: url = item["app_msg_ext_info"]["content_url"] read_num, like_num, _ = ai.read_like_nums(url) item_lst.append([url, item["app_msg_ext_info"]["title"], read_num, like_num]) time.sleep(random.randint(5, 10)) # 控制频率，别太贪 df = pd.DataFrame(item_lst, columns=["url", "title", "read_num", "like_num"]) df.to_excel("公众号数据.xlsx", encoding="utf-8")

跑完之后，你得到一张结构化的表格。接下来无论是算阅读点赞比、画趋势折线，还是做竞品对比，都只是 pandas 和 Excel 的事。注意脚本里的time.sleep不是摆设——它是你账号的保命符。

过来人的五条避坑心得

项目作者在 README 里写了很多血泪经验，我再结合实践补充几条：

1. 跑之前先关代理。绝大多数"爬取失败"的报错，根源都是开着抓包软件或系统代理导致请求异常。ArticlesInfo默认把proxies设为空，就是为了避免这个坑。
2. 参数必须"对号入座"。cookie、token 是在目标公众号的任意一篇文章里抓的，换一个公众号就要重新抓。用错公众号的参数，接口会直接报错。
3. 频率是生命线。获取阅读点赞时，每篇间隔 5-10 秒；token 有效期约 4 小时。一旦被封，等 5-10 分钟再试通常能恢复——千万别硬刚。
4. 不要一上来就跑全量。先把count设小（1-5），用 3-5 篇文章验证参数和代码都没问题，再放开循环。网页版抓链接时每页间隔建议拉到 3 分钟，稳比快重要。
5. 善用"半自动"思路。项目刻意不做自动登录、不做实时调度，因为自动化会放大风险。正确的用法是：定期手动更新参数（或自己写脚本半自动化），然后让采集逻辑稳定跑完。README 里那句"不能开箱即用"不是劝退，而是让你先读文档和源码——这恰恰是它质量高的原因。

下一步往哪走

回到开头的小林。当她把这个脚本接进自己的周报流程后，20 篇文章的数据采集从一下午缩短到了几分钟，表格自动生成，评论热词还能顺手做个词云。这就是工具的意义：把重复劳动交给代码，把判断力留给人。

如果你准备上手，建议按这个顺序探索：先读 test/ 下的四个示例脚本，对照 wechatarticles/ 的源码理解每个类的职责；再按 docs/get_cookie_token.md 和 docs/get_appmsg_token.md 完成参数采集；最后根据自己的场景（周报、竞品监控、内容存档）改写示例。项目公开了几个已爬取的公众号历史文章 JSON（见jsons/目录），也可以先拿这些数据练手。别忘了：数据抓取只是手段，合规使用、尊重平台规则才是底线——把它用在合法合规的个人学习和数据分析上，这个项目会是你工具箱里很趁手的一件。

【免费下载链接】wechat_articles_spider微信公众号文章的爬虫项目地址: https://gitcode.com/gh_mirrors/we/wechat_articles_spider