todayliao/wegousharp

基于搜狗的微信公众号定向爬虫，使用C#实现，故取名WeGouSharp

WeGouSharp

基于搜狗的微信公众号定向爬虫，使用C#实现，故取名WeGouSharp

关于微信公共号爬虫的项目网上已经不少，然而基本大多数的都是使用Python实现 鉴于鄙人是名.NET开发人员，于是又为广大微软系同胞创建了这个轮子，使用C#实现的微信爬虫 蓝本为Chyroc/WechatSogou， 在此还请各位大佬指教

安装/引用

默认编译类型为控制台应用 也可修改为动态链接库（dll）然后在程序之间添加引用接口

依赖

• HtmlAgilityPack.dll //用于解析HTML
• log4net.dll //日志
• Emgu.CV.dll //验证码显示以及自动识别
• Emgu.Util.dll
• Newtonsoft.Json.dll //序列号

以上引用可通过NuGet添加 如(visual studio-->tools-->Nuget Package Manager-->Package Manager Console)：

Install-Package HtmlAgilityPack

也可以直接在项目packages文件夹获取

使用

初始化 API

在test中直接调用

            //创建实例
            WechatSogouApi Sogou = new WechatSogouApi();

            var result = Sogou.SearchOfficialAccount("广州大学");

            //var result = Sogou.GetOfficialAccountMessages("","bitsea",""); 
            var json = Newtonsoft.Json.JsonConvert.SerializeObject(result);
            Console.Write(json);
            Console.ReadKey();

运行截图：

数据结构：

公众号结构：

public struct OfficialAccount
    {

        public string AccountPageurl;
        public string WeChatId;
        public string Name;
        public string Introduction;
        public bool IsAuth; 
        public string QrCode;
        public string ProfilePicture;//
        public string RecentArticleUrl;
    }

字段含义

字段	含义
AccountPageurl	微信公众号页
WeChatId	公号ID（唯一)
Name	名称
Introduction	介绍
IsAuth	是否官方认证
QrCode	二维码链接
ProfilePicture	头像链接

公号群发消息结构(含图文推送)

   
    public struct BatchMessage
    {
        public int Meaasgeid;
        public string  SendDate;
        public string Type; //49:图文，1:文字，3:图片，34:音频，62:视频

        public string Content; 

        public string ImageUrl; 

        public string PlayLength;
        public int FileId;
        public string AudioSrc;

        //for type 图文
        public string ContentUrl;
        public int Main;
        public string Title;
        public string Digest;
        public string SourceUrl;
        public string Cover;
        public string Author;
        public string CopyrightStat;

        //for type 视频
        public string CdnVideoId;
        public string Thumb;
        public string VideoSrc;

        //others
    }
    

字段含义

字段	含义
Meaasgeid	消息号
SendDate	发出时间（unix时间戳）
Type	消息类型:49:图文， 1:文字， 3:图片， 34:音频， 62:视频
Content	文本内容（针对类型1即文字）
ImageUrl	图片（针对类型3，即图片）
PlayLength	播放长度（针对类型34，即音频，下同）
FileId	音频文件id
AudioSrc	音频源
ContentUrl	文章来源（针对类型49，即图文，下同）
Main	不明确
Title	文章标题
Digest	不明确
SourceUrl	可能是阅读原文
Cover	封面图
Author	作者
CopyrightStat	可能是否原创？
CdnVideoId	视频id（针对类型62，即视频，下同）
Thumb	视频缩略图
VideoSrc	视频链接

文章结构

    public struct Article
    {
        public string Url;
        public List<string>Imgs;
        public string Title;
        public string Brief;
        public string Time;
        public string ArticleListUrl;
        public OfficialAccount officialAccount;
    }

字段含义

字段	含义
Url	文章链接
Imgs	封面图（可能多个）
Title	文章标题
Brief	简介
Time	发表日期（unix时间戳）
OfficialAccount	关联的公众号（信息不全，仅供参考）

搜索榜结构

    public struct HotWord
    {
        public int Rank;//排行
        public string Word;
        public string JumpLink; //相关链接
        public int HotDegree; //热度
    }

其他

关于验证码，目前手动输入，后期接入自动识别或者打码平台API 欢迎各位批评，提交issue以及fork