如何利用Python爬蟲實(shí)現(xiàn)給微信群發(fā)新聞早報(bào)？
1. 場景
經(jīng)常有小伙伴在交流群問我，每天的早報(bào)新聞是怎么獲取的？
其實(shí)，早期使用的方案，是利用爬蟲獲取到一些新聞網(wǎng)站的標(biāo)題，然后做了一些簡單的數(shù)據(jù)清洗，最后利用 itchat 發(fā)送到指定的社群中。
由于爬蟲面對(duì)網(wǎng)站改版的不穩(wěn)定性及 itchat 不安全性，所以放棄了這種方案。
后期更改了一種方案，通過修改爬蟲方案，創(chuàng)建 API 服務(wù)，編寫 App 去獲取數(shù)據(jù)，然后手動(dòng)發(fā)送到微信群。
本篇文章將和大家詳細(xì)聊聊具體的實(shí)現(xiàn)過程。
2. 數(shù)據(jù)爬取
第 1 步，通過 Python 爬蟲獲取數(shù)據(jù)
獲取方式有 2 種，分別是：已有的新聞早報(bào)網(wǎng)站、新聞網(wǎng)站的頭條新聞
選擇一種爬蟲方式，就能很快地爬取到目標(biāo)網(wǎng)站的數(shù)據(jù)
第 2 步，數(shù)據(jù)清洗，排序
將爬取到的數(shù)據(jù)先進(jìn)行一次關(guān)鍵字篩選，然后按照點(diǎn)贊或者閱讀數(shù)按照熱點(diǎn)進(jìn)行排序
第 3 步，參數(shù)化，去重
去掉數(shù)據(jù)中重復(fù)的新聞，然后將最后展示的數(shù)目參數(shù)化
- # 按照點(diǎn)贊數(shù)目，降序排列
- news_sorted_pro = sorted(news, key=itemgetter('news_approve_num'), reverse=True)
- result = []
- for news_sorted_item in news_sorted_pro:
- result.append(news_sorted_item.get('title'))
- # 去重
- result = sorted(set(result), key=result.index)
- # 只取前12條數(shù)據(jù)
- resultresult = result[:self.news_num] if len(result) >= self.news_num else result
需要注意的是，由于新聞網(wǎng)站會(huì)經(jīng)常改版，建議爬取多個(gè)新聞網(wǎng)站，做好異常處理，做一個(gè)優(yōu)先級(jí)，如果一個(gè)網(wǎng)站爬取數(shù)據(jù)失敗，切換到下一個(gè)級(jí)別的網(wǎng)站爬取數(shù)據(jù)
3. 服務(wù)化
將數(shù)據(jù)服務(wù)化，即編寫 API，目的是為了方便終端調(diào)用
如果使用 Python 編寫 API，建議使用 FastAPI 或 Flask 框架，因?yàn)檫@兩個(gè)框架開發(fā) API 方便快捷，以 FastAPI 為例：
第 1 步，安裝依賴
包含 FastAPI 框架及 hypercorn 依賴，hypercorn 是獨(dú)立的 ASGI 服務(wù)器，方便 FastAPI 項(xiàng)目的部署
- # FastAPI框架
- pip3 install fastapi
- pip3 install hypercorn
第 2 步，編寫 API
使用 FastAPI 很方便，不到 10 行代碼就能編寫一個(gè)接口服務(wù)。
只需要實(shí)例化 FastAPI 對(duì)象，利用裝飾器指定請(qǐng)求方法和路徑即可，調(diào)用上面的爬蟲方法即可。
- from fastapi import FastAPI
- # 實(shí)例化
- app = FastAPI()
- # API，Get方式
- @app.get("/last_news")
- def get_last_news():
- """
- 最新的新聞
- :return:
- """
- news = get_news()
- data = {
- 'code': 0,
- 'news': news
- }
- # 封裝
- return data
如要想本地調(diào)試 API，可以通過 uvicorn 命令運(yùn)行項(xiàng)目。
- # 運(yùn)行項(xiàng)目
- uvicorn news:app --reload
然后訪問下面的地址，查看返回的新聞數(shù)據(jù)
http://127.0.0.1:8000/last_news
第 3 步，生成依賴遷移文件
使用 pip freeze 命令將在本地生成依賴遷移文件
- # 生成遷移文件
- pip freeze > requirements.txt
第 4 步，上傳代碼
將代碼上傳到代碼托管平臺(tái)，比如：碼云、GitLab 等
第 5 步，服務(wù)器拉取代碼
服務(wù)器中通過 git 拉取代碼，并通過依賴文件一鍵安裝所有依賴
- # 安裝依賴
- pip3 install -r requirements.txt
第 6 步，運(yùn)行服務(wù)
使用 hypercorn 運(yùn)行 FastAPI 項(xiàng)目，使進(jìn)程一直在后臺(tái)運(yùn)行，并保存運(yùn)行日志信息
- # 后臺(tái)運(yùn)行
- # 保存日志，綁定端口號(hào)為：8000
- # nohup hypercorn news:app --bind 0.0.0.0:8000 > /news.log 2>&1 &
需要注意的是，項(xiàng)目綁定的端口號(hào)需要在防火墻和云服務(wù)器安全組開啟
當(dāng)然，如果使用 Java 編寫 API，推薦使用 Spring Boot，可以快速開發(fā)一個(gè) Restful API 服務(wù)
4. 編寫 App
完成 API 服務(wù)之后，接下來就是在終端編寫一款 App 去訪問 API，拿到數(shù)據(jù)并展示出來
以編寫一款 Android 應(yīng)用為例
首先，我們?cè)诮缑嫔戏胖靡粋€(gè)文本顯示框和一個(gè)按鈕控件
然后，對(duì)按鈕控件設(shè)置點(diǎn)擊事件的監(jiān)聽
- get_news_btn = findViewById(R.id.get_news_btn);
- //監(jiān)聽事件
- get_news_btn.setOnClickListener(this);
- @Override
- public void onClick(View v)
- {
- switch (v.getId())
- {
- case R.id.get_news_btn:
- news_et.setText("獲取中。。。");
- getNewsMet();
- break;
- }
- }
接著，使用 Android 的網(wǎng)絡(luò)請(qǐng)求框架 OkHttp 框架調(diào)用 API 獲取數(shù)據(jù)
- /***
- * 獲取新聞
- */
- private void getNewsMet()
- {
- OkHttpClient okHttpClient = new OkHttpClient();
- //構(gòu)建請(qǐng)求信息：連接請(qǐng)求url 請(qǐng)求方法method 請(qǐng)求頭部headers 請(qǐng)求體body 標(biāo)簽tag
- Request request = new Request.Builder().url(url).get().build();
- // Call call = okHttpClient.newCall(request);
- okHttpClient.newCall(request).enqueue(new Callback()
- {
- @Override
- public void onFailure(Call call, IOException e)
- {
- Log.d("xag", "獲取失敗");
- showResult(false, "");
- }
- @Override
- public void onResponse(Call call, final Response response) throws IOException
- {
- Log.d("xag", "獲取成功")
- parseJsonWithJsonObject(response);
- }
- });
- }
最后，將新聞數(shù)據(jù)顯示在文本控件中，并復(fù)制到系統(tǒng)剪切板
- private void copyToClip(String content)
- {
- //獲取剪貼板管理器：
- ClipboardManager cm = (ClipboardManager) getSystemService(CLIPBOARD_SERVICE);
- // 創(chuàng)建普通字符型ClipData
- ClipData mClipData = ClipData.newPlainText("Label", content);
- // 將ClipData內(nèi)容放到系統(tǒng)剪貼板里。
- if (null != cm)
- {
- cm.setPrimaryClip(mClipData);
- }
- }
如果只有 iOS 設(shè)備，使用 Xcode 編寫 iOS 應(yīng)用，建議將 Xcode 升級(jí)到 11.0 以上
創(chuàng)建項(xiàng)目的時(shí)候，推薦使用 SwiftUI 構(gòu)建 UI 界面，然后利用 CocoaPods 添加 Alamofire 網(wǎng)絡(luò)請(qǐng)求依賴庫，其他操作步驟和 Android 端類似，這里不展開說明
- # Uncomment the next line to define a global platform for your project
- source 'https://github.com/CocoaPods/Specs.git'
- platform :ios, '9.0'
- use_frameworks!
- target 'news_eve' do
- # Comment the next line if you don't want to use dynamic frameworks
- pod 'Alamofire'
- pod 'SwiftyJSON'
- pod 'HandyJSON'
- # Pods for news_eve
- end
5. 最后
上面步驟只需要點(diǎn)擊 App 中的按鈕，早報(bào)新聞就復(fù)制到系統(tǒng)剪切板了，接著可以轉(zhuǎn)發(fā)到多個(gè)微信群了
當(dāng)然，最后一步也可以利用 SoloPi 或者無障礙，將內(nèi)容利用自動(dòng)化操作，一鍵轉(zhuǎn)發(fā)出去
