Python爬取微信公众号历史文章数据进行分析，发现2017年运营总结，可以这样写!

LibraryPKU 2018-06-30

展开全文

作者：刘晓明，互联网公司运维技术负责人，拥有10年的互联网开发和运维经验。一直致力于运维工具的开发和运维专家服务的推进，赋能开发，提高效能。广告时间：最后给自己代个盐~~欢迎大家有空时翻下我牌子(知乎号：布道 )，看看“开发运维”专栏的文章，希望多些关注和点赞是给作者最好的鼓励！

2017年转眼之间就过完，心挺累，人挺烦，想想都是为了钱。今天，我们以CSDN公众号为例，用Python看看2017年公众号运营都做了啥？

微信公众号的文章爬取有三种方式：

a. 通过微信订阅号在发布文章，可以查找公众号的文章，方式见微信链接。，阅读数、点赞数、评论数仍无法抓取。

b. 通过搜狗微信搜索微信公众号，但是文章篇幅仍然后有限制，点赞、阅读数、和评论数无法抓取。

c. 通过“中间人方式”对数据进行拦截，过滤解析后进行抓取。

本文就时利用第三种c方式对数据进行抓取。

思路：

1. 安装代理AnProxy，在手机端安装CA证书，启动代理，设置手机代理；

2. 获取目标微信公众号的__biz;

3. 进入微信公众号的历史页面；

4. 使用Monkeyrunner控制滑屏；获取更多的历史消息；

5. 记录文章标题，摘要，创建时间，创作类型，地址等等；

6. 文章列表获取完成后，利用Monkeyrunner进入文章的列表，

7. 记录文章的阅读数，点赞数，评论数等；

8. 重复以上操作。

数据爬取结果（数据截止:2017-12-26）

（备注：如需要数据源请知乎关注“布道”，私信向我索取。有公众号文章爬取需求的亦可联系我！）

数据分析

文章发布数量分析：

文章总数：914篇，每个月发布情况如下：

import pandas as pdimport matplotlib.pyplot as pltname=['日期','时间','标题','作者','摘要','创作类型','是否头条号','阅读数','点赞数','评论数','地址']df = pd.read_excel('weixin1.xlsx',encoding= 'utf-8',header=1,names=name,)df['文章数'] = pd.to_datetime(df['日期']).dt.monthdate = pd.DataFrame(df['文章数'].value_counts())plt.figure(figsize=(15, 5))plt.title('CSDN公众号文章发布情况')plt.xlabel('月份')plt.ylabel('文章数')plt.xticks((1,2,3,4,5,6,7,8,9,10,11,12),('2017-01','2017-02','2017-03','2017-04','2017-05','2017-06','2017-07','2017-08','2017-09', '2017-10','2017-11','2017-12'))plt.plot(date.sort_index(),color='green',linestyle='dashed', marker='o', markerfacecolor='blue', markersize=8,)plt.show()

通过发布文章次数的曲线来看，CSDN在4月份的才正式确定运营微信公众号，在11月份和12月份月发布次数已经超过100篇，每天6篇文章已经成为常态，小姐姐确实不容易啊，手动点赞！创作类型分析：

import pandas as pdimport matplotlib.pyplot as pltimport pandas as pdimport matplotlib.pyplot as pltname=['日期','时间','标题','作者','摘要','创作类型','是否头条号','阅读数','点赞数','评论数','地址']df = pd.read_excel('weixin1.xlsx',encoding= 'utf-8',header=1,names=name,)data = pd.DataFrame(df['创作类型'].value_counts())explode=[0,0,0,0,0]plt.figure(figsize=(15, 6))plt.axes(aspect=1)plt.title('文章创作情况',fontsize=18)plt.pie(x=data,autopct='%.2f%%',explode=explode,shadow=True,labels=['原创','未标记作者','创作或转发','其它','未知'])plt.show()

通过文章的创作情况来看，一半以上的文章都是原创。基本上每天至少有一篇原创的文章。

有这样的文采，确实是难得的人才。

阅读数分析：

import pandas as pdimport matplotlib.pyplot as pltname=['日期','时间','标题','作者','摘要','创作类型','是否头条号','阅读数','点赞数','评论数','地址']df = pd.read_excel('weixin.xlsx',encoding= 'utf-8',header=1,names=name,)data = df[['阅读数']]a = data.sort_values(by=['阅读数'],ascending=False)one = a[a['阅读数']>=70000].sizetwo = a[(a['阅读数']>=30000) & (a['阅读数']<70000)].sizethree =="" a[(a['阅读数']="">=10000) & (a['阅读数']<30000)].sizefour =="" a[(a['阅读数']="">=1000) & (a['阅读数']<10000)].sizefive ==""><1000)].sizeexplode=[0.3,0,0,0,0]fras =="" [one,two,three,four,five]plt.figure(figsize="(15," 5))plt.axes(aspect="1)" plt.title('阅读数分布比例',fontsize="">

import pandas as pdimport matplotlib.pyplot as pltimport pandas as pdimport matplotlib.pyplot as pltname=['日期','时间','标题','作者','摘要','创作类型','是否头条号','阅读数','点赞数','评论数','地址']df = pd.read_excel('weixin1.xlsx',encoding= 'utf-8',header=1,names=name,)df_read = df[['标题','阅读数']]data_read = df.sort_values(by=['阅读数'],ascending=False)data_read.index = data_read['标题']var = data_read['阅读数'][:10]plt.figure(figsize=(15, 6))plt.title('阅读数 TOP10 的文章',fontsize=18)plt.xlabel('数量',fontsize=18)plt.ylabel('标题',fontsize=18)var.plot(kind='barh', stacked=True,alpha=0.5, color=['red'])plt.show()

由于阅读数超过10W，返回值为100001，具体数字是多少，前后台不得而知。整体文章质量比较高，不乏有10万+的文章出现。大V，对技术资讯的传播具有很大的影响力！

点赞数分析：

import pandas as pdimport matplotlib.pyplot as pltname=['日期','时间','标题','作者','摘要','创作类型','是否头条号','阅读数','点赞数','评论数','地址']df = pd.read_excel('weixin.xlsx',encoding= 'utf-8',header=1,names=name,)data = df[['点赞数']]a = data.sort_values(by=['点赞数'],ascending=False)one = a[a['点赞数']>=200].sizetwo = a[(a['点赞数']>=50) & (a['点赞数']<200)].sizethree ==""><50)].sizeexplode=[0.3,0,0]fras =="" [one,two,three]plt.figure(figsize="(15," 5))plt.axes(aspect="">

import pandas as pdimport matplotlib.pyplot as pltimport pandas as pdimport matplotlib.pyplot as pltname=['日期','时间','标题','作者','摘要','创作类型','是否头条号','阅读数','点赞数','评论数','地址']df = pd.read_excel('weixin1.xlsx',encoding= 'utf-8',header=1,names=name,)df = df[['标题','点赞数']]data = df.sort_values(by=['点赞数'],ascending=False)data.index = data['标题']var = data['点赞数'][:10]plt.figure(figsize=(15, 6))plt.title('点赞数 TOP10 的文章',fontsize=18)plt.xlabel('数量',fontsize=18)plt.ylabel('标题',fontsize=18)var.plot(kind='barh', stacked=True,alpha=0.7, color=['green'])plt.show()

“中兴跳楼程序员妻子：他们就这样把我老公逼死了”文章点赞数1542，“我们愤恨于现实，在互联网内外，公司调整牺牲员工利益的不公平不道德之事时有发生，尤其是在互联网公司，裁员更是屡见不鲜，尤以“为什么总说程序员是吃青春饭的？”为重。而到了个人身上，随着年岁增长，学习、精神等的下降，上有老下有小，面对突然的被辞退，压力可想而知，但是当事情发生之时，我们还是要尽可能地调整心态，网上评论的很多，这种基层主管处于不上不下的尴尬处境，只能考虑降低心理预期，哪怕是从头再来呢。生活固然残酷，但也不要轻易放弃，毕竟还有自己爱和爱自己的人啊！”，大家对此特别赞同！

评论数分析：

import pandas as pdimport matplotlib.pyplot as pltname=['日期','时间','标题','作者','摘要','创作类型','是否头条号','阅读数','点赞数','评论数','地址']df = pd.read_excel('weixin.xlsx',encoding= 'utf-8',header=1,names=name,)data = df[['评论数']]a = data.sort_values(by=['评论数'],ascending=False)one = a[a['评论数']>=50].sizetwo = a[(a['评论数']>=20) & (a['评论数']<50)].sizethree ==""><20)].sizeexplode=[0.3,0,0]fras =="" [one,two,three]plt.figure(figsize="(15," 5))plt.axes(aspect="">

import pandas as pdimport matplotlib.pyplot as pltimport pandas as pdimport matplotlib.pyplot as pltname=['日期','时间','标题','作者','摘要','创作类型','是否头条号','阅读数','点赞数','评论数','地址']df = pd.read_excel('weixin1.xlsx',encoding= 'utf-8',header=1,names=name,)df = df[['标题','评论数']]data = df.sort_values(by=['评论数'],ascending=False)data.index = data['标题']var = data['评论数'][:10]plt.figure(figsize=(15, 5))plt.title('评论数 TOP10 的文章',fontsize=18)plt.xlabel('数量',fontsize=18)plt.ylabel('标题',fontsize=18)var.plot(kind='barh', stacked=True,alpha=0.7, color=['blue'])plt.show()