微信公众号爬虫（搜狗端）

介绍

• scrapy框架爬取，selenium用于处理验证码以及登陆。
• 支持爬取公众号主体以及相关文章。
• 只需登陆一次，自动存储用户凭证。
• 可接入代理池，自由切换代理。
• 遇到验证码反爬，可截取验证码图片，等待用户输入正确验证码。

使用

1. 设置setting中的最大爬取页数MAX_PAGE。
2. 启动命令： scrapy crawl sogou_weixin
3. 根据提示输入想爬取的关键字，例如：吉他

其他

• 如果想以表格形式导出爬取内容：

    scrapy crawl sogou_weixin -o xxxx.csv

• 如果想接入proxy池，先在setting中设置PROXY_URL。然后取消middleware.py中proxy中间件的注释。

待办

• 接入第三方打码平台 ...... [ ]