微信公众号数据采集实战指南：10分钟用Python爬虫搭建公众号监控工具

微信公众号数据采集实战指南：10分钟用Python爬虫搭建公众号监控工具

【免费下载链接】WechatSogou基于搜狗微信搜索的微信公众号爬虫接口项目地址: https://gitcode.com/gh_mirrors/we/WechatSogou

深夜十一点，你还在对着几个竞品公众号的最新推文，把标题、发布时间、摘要一条条复制进 Excel。做了大半年公众号运营，这种"复制—粘贴—存档"的循环你已经重复了上百次。微信公众号数据采集这件事，听起来简单，做起来却足够折磨人。而今天要介绍的 WechatSogou，一个基于搜狗微信搜索的 Python 爬虫库，正是把这份苦差自动化起来的钥匙——公众号信息、文章检索、历史记录、热门榜单，几十行代码全部搞定。

一句话定位：WechatSogou 相当于微信公开接口之外的"数据补给站"，让你像查数据库一样，按关键词把公众号和文章成批捞回来。

用三个标签认识它：

• Python 爬虫库：装好即用，不登录微信、不搞 App 逆向，干干净净。
• 数据源稳定：走搜狗微信搜索的公开能力，比自造接口省心得多。
• 门槛低到地板：一个类、几个方法，十分钟能跑通全流程。

三步搞定环境安装，先让库跑起来

第一步，装库。老规矩一条命令：

pip install wechatsogou

库同时兼容 Python 2.7 和 3.5+，公司老机器也能跑。

第二步，验证安装。随便挑两个最小操作试水：

import wechatsogou print(wechatsogou.__version__) # 能打印出版本号，说明装好了 api = wechatsogou.WechatSogouAPI() print(api.get_sugg('高考')) # 返回一组联想词，说明接口是通的

get_sugg是整套库里最"轻"的接口，拿它做连通性测试几乎不会触发风控。

第三步（可选），初始化时顺手带上常用参数：

api = wechatsogou.WechatSogouAPI(captcha_break_time=3, timeout=10)

captcha_break_time表示验证码输错的重试次数；代理、超时这类 requests 参数也能直接透传，后面讲坑的时候会提到。

第一行爬虫代码：把公众号"名片"拿回来

环境通了，先来个最有成就感的操作——输入一个公众号名字，把它的完整档案打印出来：

import wechatsogou api = wechatsogou.WechatSogouAPI() info = api.get_gzh_info('南航青年志愿者') print(info['wechat_name']) # 公众号名称 print(info['wechat_id']) # 微信号 ID，可用于去重 print(info['introduction']) # 一句话简介

一次调用拿回一整套字段，建档、辨真假、评活跃度全靠它：

从"查一个号"到"追一个行业"：一条链路看懂核心能力

别急着背 API。跟着下面这条业务链路走一遍，几个方法你自然就记住了：查公众号 → 找文章 → 拉历史 → 追热点⚡

先查公众号：把同行的号都搜出来

search_gzh是get_gzh_info的批量版，输入关键词，返回一批相关公众号：

for gzh in api.search_gzh('数据分析'): print(gzh['wechat_name'], gzh['wechat_id'])

一页默认 10 条，支持page翻页。做竞品调研时，先把"数据分析"相关的号全捞一遍再逐个建档，同行的情报地图就拼出来了。

再找文章：全网公众号文章按关键词捞

想知道"某个主题最近都在写什么"？交给search_article：

from wechatsogou import WechatSogouConst # 最近一周关于"人工智能"的文章 items = api.search_article('人工智能', timesn=WechatSogouConst.search_article_time.week) for item in items: print(item['article']['title'], '——', item['gzh']['wechat_name'])

时间范围（一天/一周/一月/自定义）、内容类型（有图/有视频）都能筛，选题调研和内容盘点靠这一招就够。

接下来拉历史：一个公众号的最近 10 条推文

锁定目标账号后，get_gzh_article_by_history一次返回两份东西：公众号基础信息 + 最近 10 条群发文章详情：

data = api.get_gzh_article_by_history('南航青年志愿者') for a in data['article'][:3]: print(a['title'], a['datetime'])

每条记录都带标题、摘要、封面、发布时间戳、原文链接。历史数据怎么攒？每天定时跑一遍，增量存库，日积月累就是一座小型的行业内容库。

收尾追热点：按分类看今天什么最火

get_gzh_article_by_hot抓的是搜狗首页的分类热门，美食、科技、财经、职场……二十多个类目任选：

hot_list = api.get_gzh_article_by_hot(WechatSogouConst.hot_index.tech)

做内容策划时，每天早上跑一次，看看同赛道今天哪些话题被顶到前面，选题灵感自然就有了。

把接口串起来：做一个"竞品监测小助手"

单独用某个方法只是尝鲜，真正值钱的是把它们串成一条自动流水线。下面这个脚本，就是开头那个深夜场景的自动化版：盯着几个竞品公众号，每天自动抓最新推文，落成 JSON 存档：

import json import random import time import wechatsogou def watch_gzh(competitors, output='competitor.json'): api = wechatsogou.WechatSogouAPI() report = {} for name in competitors: time.sleep(random.uniform(2, 4)) # 随机间隔，别触发风控 data = api.get_gzh_article_by_history(name) report[name] = [{ 'title': a['title'], 'push_time': time.strftime('%Y-%m-%d %H:%M', time.localtime(a['datetime'])), 'url': a['content_url'], } for a in data.get('article', [])] with open(output, 'w', encoding='utf-8') as f: json.dump(report, f, ensure_ascii=False, indent=2) return report if __name__ == '__main__': # 换成你自己的竞品列表，挂到定时任务里每天跑一次 watch_gzh(['南航青年志愿者', '另一个对标账号'])

把这套脚本交给 cron 或系统计划任务，每天早晨你只需打开competitor.json，竞品的新动作一目了然。想再升级一层？把标题和摘要喂给关键词过滤器，命中就直接推送消息，一个简易舆情监控就这样成型了。

新手最容易踩的 5 个坑

坑一：请求太勤，IP 被限。搜狗对频率有隐性限制。每次请求之间加 2~5 秒随机延迟，比任何花哨技巧都管用；实在不行再配代理轮换：WechatSogouAPI(proxies={...})。

坑二：遇到验证码就慌。库内置了解锁机制：默认走人工识别（屏幕弹出验证码让你手动输入），也可以传入第三方 OCR 回调自动识别。captcha_break_time控制输错重试次数，别设太大，免得反复被打回。

坑三：文章链接会过期。微信的文章临时链接有时效，过期就 404。拿到content_url后，尽快用get_article_content(url)把正文抓下来存到本地，别指望链接永远有效。

坑四：历史文章只有最近 10 篇。这是平台限制，不是库的缺陷。想要更长的历史？只能靠"每天定时采集 + 增量入库"慢慢积累。

坑五：数据抓完不落盘。内存里的结果关掉就没了。随手写 JSON、CSV 或 SQLite；重复查询的接口用缓存兜底，既省流量又降低被封风险。

现在，轮到你动手了

回到开头那个深夜十一点的场景——这一回，复制粘贴的不再是你，而是几十行 Python 代码。先跑通get_gzh_info拿到第一份数据，再把竞品列表填进监测脚本，今晚就能生成你的第一份自动化周报 🚀

公众号数据采集的价值，不在于爬得多快，而在于让数据持续、稳定、自动地流向你。WechatSogou 把这扇门推开了，剩下的事，交给你的想象力。

【免费下载链接】WechatSogou基于搜狗微信搜索的微信公众号爬虫接口项目地址: https://gitcode.com/gh_mirrors/we/WechatSogou