本文共 10643 字，大约阅读时间需要 35 分钟。

上一篇文章介绍了微信公众号历史文章和文章评论API的组成情况，历史文章API格式：https://mp.weixin.qq.com/mp/profile_ext?action=getmsg&__biz=MjM5NjAxOTU4MA==&f=json&offset=10&count=10&is_ok=1&scene=126&uin=777&key=777&pass_ticket=tsN5weBAV13S7TjerqBeu0m84CMPMmPz4P7lb8bvDk90y1LP%2F1j46CUzFqDsMuRj&wxtoken=&appmsg_token=986_Zxzm8ptDJ39%252BC1UbkzPrFKd_laYeOCk5cVFX9A~~&x5=1&f=json

文章评论API格式：https://mp.weixin.qq.com/mp/appmsg_comment?action=getcomment&scene=0&__biz=MjM5NjAxOTU4MA==&appmsgid=3009217642&idx=2&comment_id=578089232589930496&offset=0&limit=100&uin=777&key=777&pass_ticket=v+7PaoESYfMrxgXJpqOkfXV4Y2+gYNPPJfSSmzPXfeiuNrNiBeEcs+8b//Yit5sd&wxtoken=777&devicetype=android-26&clientversion=2607033b&appmsg_token=986_jbuKqpV9lCZ1cb787Tem5V5n6JKpU9TrOFUZRE5esVxnBK7IR-TsZiXLRNaO1tnfx4rkIk1xyFHRlqI7&x5=1&f=json 这个两个API有些共同的参数：__biz，pass_ticket，公共参数可以通过抓包获取。 也有各自独有的参数：历史文章API中offset是一直变化的，appmsg_token也会随着时间失效，抓包可以获取appmsg_token，而offset是以0开始，可以通过API返回看到下一个offset是接口返回的字段“next_offset”值。

文章评论API中的appmsgid是具体文章的图文消息ID，comment_id也与具体文章相关，appmsg_token每篇文章也不同。通过文章链接获取源代码我们可以查看到文章评论API的三个参数comment_id，appmsgid，appmsg_token，如下图：

历史文章API返回的json信息：

下面是通过格式化后并删除一些不需要数据后的信息，json格式

 

文章评论API返回的json信息：

base_resp是返回状态情况，elected_comment才是评论的信息

elected_comment下面的详细信息，当评论有回复时，reply_list有信息

本文使用python3.6，pymysql连接mysql数据库，具体代码如下：

# -!- coding: utf-8 -!-'''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''#作者：cacho_37967865#博客：https://blog.csdn.net/sinat_37967865#文件：wechatArticleList.py#日期：2018-12-08#备注：通过Fiddler抓包，获取微信公众号历史文章信息和文章评论信息存储到mysql数据库表   '''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''import requestsimport jsonimport pymysqlfrom datetime import datetimeimport reclass wechatArticle:    def __init__(self,_biz,_pass_ticket,_appmsg_token,_cookie,_offset=0):        self.offset = _offset       # 不同公众号不一样        self.biz = _biz        self.pass_ticket = _pass_ticket        self.appmsg_token = _appmsg_token        self.headers = {            'cookie':_cookie,            'User-Agent':'Mozilla/5.0 (Linux; Android 8.0; FRD-AL00 Build/HUAWEIFRD-AL00; wv) AppleWebKit/537.36 (KHTML, like Gecko) Version/4.0 Chrome/57.0.2987.132'        }        self.db = pymysql.connect(            host="localhost",            user="root",            password="123456",            port=3306,            use_unicode=True,            #charset="utf8",            database="sunshine")        self.cursor = self.db.cursor()    def get_article_list(self):        offset = self.offset        while True:            api = 'https://mp.weixin.qq.com/mp/profile_ext?action=getmsg&__biz={0}&f=json&offset={1}&count=10&is_ok=1&scene=126&uin=777&key=777&pass_ticket={2}&wxtoken=&appmsg_token={3}&x5=1&f=json'.format(self.biz, offset, self.pass_ticket, self.appmsg_token)            resp = requests.get(api, headers=self.headers).json()            print(type(resp), resp)  # 字典类型            ret, status = resp.get('ret'), resp.get('errmsg')     # 状态信息            if ret == 0 or status == 'ok':                offset = resp['next_offset']                general_msg_list = resp['general_msg_list']                #print(type(general_msg_list),general_msg_list)    # json类型                msg_list = json.loads(general_msg_list)['list']    # 先转化为字典类型再获取列表类型                for msg in msg_list:                    comm_msg_info = msg['comm_msg_info']           # 字典类型，每次推送的消息（一次三篇）                    msg_id = comm_msg_info['id']                   # 推送消息的id                    post_time = datetime.fromtimestamp(comm_msg_info['datetime'])     # 发布时间                    try:                        app_msg_ext_info = msg['app_msg_ext_info']  # 字典类型，文章信息（一次三篇）                        first_article_id = app_msg_ext_info['fileid']                        first_article_title = app_msg_ext_info['title']  # 本次推送的首条文章标题                        first_article_digest = app_msg_ext_info['digest']  # 本次推送的首条文章摘要                        first_article_url = app_msg_ext_info['content_url']                        self.get_article_detail(first_article_id,first_article_url)                        first_url = first_article_url.replace('amp;', '').split('&chksm')[0]                        self.article_to_mysql(msg_id, first_article_id, first_article_title, first_article_digest,first_url, post_time)                        multi_app_msg_item_list = app_msg_ext_info.get('multi_app_msg_item_list')                        for article in multi_app_msg_item_list:                            article_id = article['fileid']                            multi_article_title = article['title']                            multi_article_digest = article['digest']                            multi_article_url = article['content_url']                            self.get_article_detail(article_id,multi_article_url)                            multi_url = multi_article_url.replace('amp;', '').split('&chksm')[0]                            self.article_to_mysql(msg_id, article_id, multi_article_title, multi_article_digest,multi_url, post_time)                    except Exception as f:                        print(str(f))    def get_article_detail(self,article_id,content_url):        try:            url = content_url.replace('amp;', '').replace('#wechat_redirect', '').replace('http', 'https')            html = requests.get(url, headers=self.headers).text            #print(html)        except:            print('获取评论失败' + content_url)        else:            str_comment = re.search(r'var comment_id = "(.*)" \|\| "(.*)" \* 1;', html)            str_msg = re.search(r"var appmsgid = '' \|\| '(.*)'\|\|", html)   # 文章的id            str_token = re.search(r'window.appmsg_token = "(.*)";', html)            if str_comment and str_msg and str_token:                comment_id = str_comment.group(1)  # 评论id(固定)                app_msg_id = str_msg.group(1)      # 票据id(非固定)                appmsg_token = str_token.group(1)  # 票据token(非固定)                # 缺一不可                if comment_id and app_msg_id and appmsg_token:                    print("爬取评论的链接:" + url,html)                    self.get_article_comments(app_msg_id,comment_id,appmsg_token,article_id)    def get_article_comments(self,app_msg_id,comment_id,appmsg_token,article_id):        api = 'https://mp.weixin.qq.com/mp/appmsg_comment?action=getcomment&scene=0&__biz={0}&appmsgid={1}&idx=2&comment_id={2}&offset=0&limit=100&uin=777&key=777&pass_ticket={3}&wxtoken=777&devicetype=android-26&clientversion=2607033b&appmsg_token={4}&x5=1&f=json'.format(            self.biz, app_msg_id, comment_id, self.pass_ticket, appmsg_token)        resp = requests.get(api, headers=self.headers).json()        ret, status = resp['base_resp']['ret'], resp['base_resp']['errmsg']        if ret =='0' or status == 'ok':            elected_comment = resp['elected_comment']            for comment in elected_comment:                content_id = comment.get('content_id') # 评论ID                nick_name = comment.get('nick_name')  # 评论人昵称                like_num = comment.get('like_num')     # 点赞                comment_time = datetime.fromtimestamp(comment.get('create_time'))  # 评论时间                content = comment.get('content')       # 评论内容                #print("评论内容文章：",article_id,nick_name)                self.comment_to_mysql(article_id,content_id,comment_time,nick_name,like_num,content)    def create_article_table(self):        sql1 = 'drop table if exists mnyd_article;'        sql2 = 'create table mnyd_article(No INT(11) NOT NULL AUTO_INCREMENT,msg_id VARCHAR(15),article_id VARCHAR(15),post_time timestamp(2),title VARCHAR(200),digest VARCHAR(200),article_url varchar(300),PRIMARY KEY (No));'        self.cursor.execute(sql1)        self.cursor.execute(sql2)        self.db.commit()    def article_to_mysql(self,msg_id, article_id,title,digest,article_url,post_time):        sql = "insert into mnyd_article(msg_id,article_id,title,digest,article_url,post_time) values('%s','%s','%s','%s','%s','%s')" % (msg_id,article_id,title, digest,article_url,post_time)        try:            # 使用 cursor() 方法创建一个游标对象 cursor            self.cursor.execute(sql)        except Exception as e:            # 发生错误时回滚            self.db.rollback()            print(str(e))        else:            self.db.commit()  # 事务提交            print('事务处理成功')    def create_comment_table(self):        sql1 = 'drop table if exists mnyd_comment;'        sql2 = "create table mnyd_comment(No INT(11) NOT NULL AUTO_INCREMENT,article_id VARCHAR(15),content_id VARCHAR(20),comment_time timestamp(2),nick_name VARCHAR(50),like_num int,content varchar(1000),PRIMARY KEY (No)) COLLATE='utf8mb4_unicode_ci';"        self.cursor.execute(sql1)        self.cursor.execute(sql2)        self.db.commit()    def comment_to_mysql(self,article_id,content_id,comment_time,nick_name,like_num,content):        sql = "insert into mnyd_comment(article_id,content_id,comment_time,nick_name,like_num,content) values('%s','%s','%s','%s','%i','%s')" % (article_id,content_id,comment_time, nick_name,like_num,content)        try:            # 使用 cursor() 方法创建一个游标对象 cursor            self.cursor.execute(sql)        except Exception as e:            # 发生错误时回滚            self.db.rollback()            print(str(e))        else:            self.db.commit()  # 事务提交            print('事务处理成功')if __name__ == '__main__':    biz = 'MzIwNTc4NTEwOQ=='  # "码农有道公众号"   mnyd_article  mnyd_comment    pass_ticket = 'ZS3nqLX1df5GhZ+zf/t0FYyf7Nfp52yUJ+PuyJUKvQtyln78R3QzBU21Xo528IE+'    app_msg_token = '986_G0Sy%252FL2pNlAGA9PIXcqTRipxsKaGLurexidEyg~~'     # 历史文章    wap_sid2 = 'CL3qgfIFElxMOFBzZ2dZOHQ1WTcxamRQLXUyMGFiU0tvNkZzUEJmRURhZmtJTkhLcEtYWU9rNm5WYmUtd29qd3Q3UmVqbmpZXzFxS21GMG13amVjM1NEaUVPajZNZG9EQUFBfjDH8K3gBTgNQAE='    cookie = 'wxuin=1581282621; version=2607033b; pass_ticket={}; wap_sid2={}'.format(pass_ticket, wap_sid2)    # 以上信息不同公众号每次抓取都需要借助抓包工具做修改    wxarticles = wechatArticle(biz, pass_ticket, app_msg_token, cookie)    wxarticles.create_article_table()         # 创建数据库表记录文章    wxarticles.create_comment_table()         # 创建数据库表记录评论    wxarticles.get_article_list()              # 开始爬取文章和评论

介绍一下上面的几个函数：

create_comment_table()：创建存储评论的表，其中必须设置COLLATE='utf8mb4_unicode_ci'，是为了确保能够存储特殊格式（mb4就是most bytes 4的意思，专门用来兼容四字节的unicode。）的微信昵称到数据库。 get_article_list()：获取历史文章的信息，存入到数据库，并且将文章id和文章链接传入到get_article_detail()函数 get_article_detail()：根据get_article_list()函数传入的参数获取文章评论API的参数 get_article_comments()：根据get_article_detail()函数传入的参数获取文章评论并存入到数据库

此外注意以下几个要点：

def __init__(self,_biz,_pass_ticket,_appmsg_token,_cookie,_offset=0) 初始带cookie的参数信息，_offset=0对参数初始化 历史文章和文章评论API 可以通过str.format()设置参数 历史文章返回中有字段'app_msg_ext_info'，在2017年5月前的文章是没有的，所以使用try.. except..

这个时候我们已经获取到了需要的信息，后续就是对信息进行处理并转化为自己的东西。