使用wechatsogou抓取公众号文章并发送邮件

秒速五厘米 2022-06-02 04:29 239阅读 0赞

作为一个 `coder` 我们每天都在看一些书，博客或者大牛的公众号，生怕被技术淘汰. 但是订阅多个公众号，每天看公众号是否有新消息，也要浪费大量的时间和精力，如果公众号文章出现更新，能自动发送到邮件，这样既可以在一个环境中查看多个公众号的文章，也可以省去我们查看多个公众号浪费的时间.

作为一个技术人员，在给他人提供便利的同时，也要给自己提供便利，那就写一个脚本就好了

# 用到的库 #

*  wechatsogou（[https://github.com/Chyroc/WechatSogou）][https_github.com_Chyroc_WechatSogou]

> **wechatsogou** 基于搜狗微信搜索的微信公众号爬虫接口，可以扩展成基于搜狗搜索的爬虫

**代码**

注释是在写文章的时候加上的，不一定符合 pep 标准，还请谅解

import os
    import pickle
    import smtplib
    from email.header import Header
    from email.mime.text import MIMEText
    from email.utils import parseaddr, formataddr
    
    import requests
    import wechatsogou
    
    # 发件人地址
    from_address = 'zyndev@163.com'
    # 发件人邮箱密码
    password = ''
    # 邮箱服务器
    smtp_server = 'smtp.163.com'
    
    fail_count = 0
    fail_list = []
    sent_list = []
    # 添加一个文件，将已经发送成功的文章标题序列化到文件，防止多次运行导致重复发送邮件
    file_path = 'sent_articles_file'
    
    # 一些敏感词，简单过滤一下
    sensitive_words = ['鄙视链', '中奖名单', '成功说一口流利英语', '婚姻', '恋爱']
    
    
    ws_api = wechatsogou.WechatSogouAPI()
    
    # 获取公众号文章信息
    def get_article(gzh):
        articles = ws_api.get_gzh_article_by_history(gzh)
        print(len(articles['article']))
        return articles['article']
    
    # 设置下编码
    def _format_addr(s):
        name, addr = parseaddr(s)
        return formataddr((Header(name, 'utf-8').encode(), addr))
    
    # 发送邮件
    def send_mail(to_address, subject, msg_html):
        
        server = smtplib.SMTP(smtp_server, 25)
        # server.set_debuglevel(1)
        server.login(from_address, password)
        # msg = MIMEText('hello, send by Python...', 'plain', 'utf-8')
        msg = MIMEText(msg_html, 'html', 'utf-8')
        msg['From'] = _format_addr('张瑀楠 <%s>' % from_address)
        msg['To'] = _format_addr(' Dear ')
        msg['Subject'] = Header(subject, 'utf-8').encode()
        try:
            server.sendmail(from_address, to_address, msg.as_string())
        except:
            global fail_count
            fail_count += 1
            fail_list.append(subject)
    
    
    if '__main__' == __name__:
        # 定义一个公众号列表
        gzh_list = ['全栈布道士', '编程人生', 'importNew', 'Python开发者', '非著名程序员',
                    'Python之美', '机器学习研究会', '程序员大咖', '51CTO', '纯洁的微笑']
    
        # 指定邮箱列表，这里有个建议，请邮件列表中将发件人添加到白名单，降低发送的失败率
        mail_list = ['hbyunan@yeah.net', '913396132@qq.com', 'zyndev@gmail.com', '935855148@qq.com']
        for gzh in gzh_list:
            # 查找公众号之前，先从文件中反序列化出已经成功发送的文章列表
            if os.path.exists(file_path):
                f = open(file_path, 'rb')
                sent_list = pickle.load(f)
                f.close()
            articles = get_article(gzh)
            for article in articles:
                print(article['title'],'\n\t' ,article['content_url'])
                fileid = str(article['send_id']) + '_' + str(article['fileid'])
                # 如果新文章不在文章列表中，则发送
                if fileid not in sent_list:
                    response_text = requests.get(article['content_url']).text
                    send_mail(mail_list, article['title'], response_text)
                    sent_list.append(fileid)
            print('发布数量', len(articles), '失败数量', fail_count)
            print('=' * 40)
            for subject in fail_list:
                print(subject)
            # 单个公众号文章发送完毕后，将新的已发送文章列表序列化，防止出现中途退出，造成重复发送
            f = open(file_path, 'wb')
            pickle.dump(sent_list, f)
            f.close()

# 小结 #

主要用到了 `wechatsogou` 这个库来获取公众号的文章信息，关于这个库的使用可以访问 github（[https://github.com/Chyroc/WechatSogou）][https_github.com_Chyroc_WechatSogou]

可以结合`windows` 或者 `linux` 的定时任务来设置每天运行一次  
windows10 设置定时任务方法（[https://jingyan.baidu.com/article/f79b7cb313f13a9145023e4a.html）][https_jingyan.baidu.com_article_f79b7cb313f13a9145023e4a.html]

**推荐几个公众号**

*  全栈布道士 （我自己在写）
 *  编程人生
 *  importNew （基本每天都有一些java相关文章发布）
 *  Python开发者
 *  Python之美 （豆瓣大佬董伟明的公众号，干活多）
 *  51CTO
 *  纯洁的微笑（对于 Spring Cloud 和 Spring Boot 有疑惑可以多看看）

[https_github.com_Chyroc_WechatSogou]: https://github.com/Chyroc/WechatSogou%EF%BC%89
[https_jingyan.baidu.com_article_f79b7cb313f13a9145023e4a.html]: https://jingyan.baidu.com/article/f79b7cb313f13a9145023e4a.html%EF%BC%89