如何利用Python爬蟲實現給微信群發新聞早報？
1. 場景
經常有小伙伴在交流群問我，每天的早報新聞是怎么獲取的？
其實，早期使用的方案，是利用爬蟲獲取到一些新聞網站的標題，然后做了一些簡單的數據清洗，最后利用 itchat 發送到指定的社群中。
由于爬蟲面對網站改版的不穩定性及 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，創建 API 服務，編寫 App 去獲取數據，然后手動發送到微信群。
本篇文章將和大家詳細聊聊具體的實現過程。
2. 數據爬取
第 1 步，通過 Python 爬蟲獲取數據
獲取方式有 2 種，分別是：已有的新聞早報網站、新聞網站的頭條新聞
選擇一種爬蟲方式，就能很快地爬取到目標網站的數據
第 2 步，數據清洗，排序
將爬取到的數據先進行一次關鍵字篩選，然后按照點贊或者閱讀數按照熱點進行排序
第 3 步，參數化，去重
去掉數據中重復的新聞，然后將最后展示的數目參數化
- # 按照點贊數目，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條數據
- resultresult = result[:self.news_num] if len(result) >= self.news_num else result
需要注意的是，由于新聞網站會經常改版，建議爬取多個新聞網站，做好異常處理，做一個優先級，如果一個網站爬取數據失敗，切換到下一個級別的網站爬取數據
3. 服務化
將數據服務化，即編寫 API，目的是為了方便終端調用
如果使用 Python 編寫 API，建議使用 FastAPI 或 Flask 框架，因為這兩個框架開發 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 是獨立的 ASGI 服務器，方便 FastAPI 項目的部署
- # 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接口服務。
只需要實例化 FastAPI 對象，利用裝飾器指定請求方法和路徑即可，調用上面的爬蟲方法即可。
- from fastapi import FastAPI
- # 實例化
- 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
如要想本地調試 API，可以通過 uvicorn 命令運行項目。
- # 運行項目
- uvicorn news:app --reload
然后訪問下面的地址，查看返回的新聞數據
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，比如：碼云、GitLab 等
第 5 步，服務器拉取代碼
服務器中通過 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，運行服務
使用 hypercorn 運行 FastAPI 項目，使進程一直在后臺運行，并保存運行日志信息
- # 后臺運行
- # 保存日志，綁定端口號為：8000
- # nohup hypercorn news:app --bind 0.0.0.0:8000 > /news.log 2>&1 &
需要注意的是，項目綁定的端口號需要在防火墻和云服務器安全組開啟
當然，如果使用 Java 編寫 API，推薦使用 Spring Boot，可以快速開發一個 Restful API 服務
4. 編寫 App
完成 API 服務之后，接下來就是在終端編寫一款 App 去訪問 API，拿到數據并展示出來
以編寫一款 Android 應用為例
首先，我們在界面上放置一個文本顯示框和一個按鈕控件
然后，對按鈕控件設置點擊事件的監聽
- get_news_btn = findViewById(R.id.get_news_btn);
- //監聽事件
- 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 的網絡請求框架 OkHttp 框架調用 API 獲取數據
- /***
- * 獲取新聞
- */
- private void getNewsMet()
- {
- OkHttpClient okHttpClient = new OkHttpClient();
- //構建請求信息：連接請求url 請求方法method 請求頭部headers 請求體body 標簽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，將新聞數據顯示在文本控件中，并復制到系統剪切板
- private void copyToClip(String content)
- {
- //獲取剪貼板管理器：
- ClipboardManager cm = (ClipboardManager) getSystemService(CLIPBOARD_SERVICE);
- // 創建普通字符型ClipData
- ClipData mClipData = ClipData.newPlainText("Label", content);
- // 將ClipData內容放到系統剪貼板里。
- if (null != cm)
- {
- cm.setPrimaryClip(mClipData);
- }
- }
如果只有 iOS 設備，使用 Xcode 編寫 iOS 應用，建議將 Xcode 升級到 11.0 以上
創建項目的時候，推薦使用 SwiftUI 構建 UI 界面，然后利用 CocoaPods 添加 Alamofire 網絡請求依賴庫，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
上面步驟只需要點擊 App 中的按鈕，早報新聞就復制到系統剪切板了，接著可以轉發到多個微信群了
當然，最后一步也可以利用 SoloPi 或者無障礙，將內容利用自動化操作，一鍵轉發出去
