http://blog.csdn.net/u011475134/article/details/70198533 原出处
在上一篇文章《使用python-aiohttp爬取网易云音乐》中，我们给自己的微信公众号添加了在线点歌的功能，这次我们再增加一个新闻浏览的功能。由于我平时浏览新闻用的是今日头条，所以在这里就想通过爬取今日头条来获取新闻。不过遗憾的是，这一次我在网上没有找到满意的方法，所以还是自己动手吧。
打开抓包软件Fiddler并设置Filters。 
打开今日头条网页，选择热点。
url：http://www.toutiao.com/ch/news_hot/ 
在Fiddler中找到与上面新闻对应的json数据与url，由于json数据太多，这里只给出部分。
{
"has_more": false,
"message": "success",
"data": [
{
"chinese_tag": "体育",
"media_avatar_url": "http://p3.pstatp.com/large/3538/9145332",
"is_feed_ad": false,
"tag_url": "news_sports",
"title": "中国足协想搬出北京五环，原来是相中了这块风水宝地",
"single_mode": true,
"middle_mode": true,
"abstract": "中国足协搬家的传说，很可能将水落石出。而且，此前的传说其实很靠谱，中国足协确实有意要从目前位于北京东城区夕照寺街的东玖大厦，搬到京城五环路以外。南海子虽然在北京五环外，但是紧邻南五环，距离位于体育馆路的国家体育总局也不过19公里。",
"tag": "news_sports",
"behot_time": 1492391171,
"source_url": "/group/6409606379224957186/",
"source": "长安街知事",
"more_mode": false,
"article_genre": "article",
"image_url": "http://p3.pstatp.com/list/190x124/1bf4000b11da52a33c32",
"has_gallery": false,
"group_source": 2,
"comments_count": 28,
"group_id": "",
"media_url": "/c/user/4327876576/"
},{},{},{},{},{},{}
],
"next": {
"max_behot_time": 1492391156
}
}
可以看到，在json数据中的data是一个包含新闻的列表，其中的title是新闻的标题，abstract是新闻的摘要，source_url是新闻的链接，image_url是新闻图片的链接，这些都是我们需要的。
http://www.toutiao.com/api/pc/feed/?category=news_hot&utm_source=toutiao&widen=1&max_behot_time=0&max_behot_time_tmp=0&tadrequire=true&as=A135888F14A1507&cp=58F4A1A500177E1| 参数 | 取值 | 说明 |
|---|---|---|
| category | news_hot | 类型，定值 |
| utm_source | toutiao | 定值 |
| widen | 1 | 定值 |
| max_behot_time | 0 | 偏移量（默认为0） |
| max_behot_time_tmp | 0 | 与max_behot_time相等 |
| tadrequire | true | 定值 |
| as | A135888F14A1507 | 未知 |
| cp | 58F4A1A500177E1 | 未知 |
通过多次观察发现，max_behot_time类似偏移量，点击热点时，取值为零，下拉网页时，取值为上一个josn数据中的next[max_behot_time]，由于点击热点就可以刷新新闻，所以让max_behot_time等于固定值0就好。
as和cp每次都会改变，但没有找到规律，推测应该是每次请求时，按照一定规律生成的数据，于是查看网页源码，很明显，下面这段代码就是用来产生as和cp的，从代码中可以看到，as和cp相当于一个时间戳，我们可以仿照这段代码用python来生成as和cp。
e.getHoney = function() {
var t = Math.floor((new Date).getTime() / 1e3),
e = t.toString(16).toUpperCase(),
i = md5(t).toString().toUpperCase();
if (8 != e.length) return {
as: "479BB4B7254C150",
cp: "7E0AC8874BB0985"
};
for (var n = i.slice(0, 5), a = i.slice( - 5), s = "", o = 0; 5 > o; o++) s += n[o] + e[o];
for (var r = "",
c = 0; 5 > c; c++) r += e[c + 3] + a[c];
return {
as: "A1" + s + e.slice( - 3),
cp: e.slice(0, 3) + r + "E1"
}
}
新建文件toutiao3.py，代码如下：
import asyncio
from aiohttp import ClientSession
import time
import math
import hashlib __NEWS_NUM = 1 # hu 返回的最大新闻数 def getASCP():
t = int(math.floor(time.time()))
e = hex(t).upper()[2:]
m = hashlib.md5()
m.update(str(t).encode(encoding='utf-8'))
i = m.hexdigest().upper() if len(e) != 8:
AS = '479BB4B7254C150'
CP = '7E0AC8874BB0985'
return AS,CP n = i[0:5]
a = i[-5:]
s = ''
r = ''
for o in range(5):
s += n[o] + e[o]
r += e[o + 3] + a[o] AS = 'A1' + s + e[-3:]
CP = e[0:3] + r + 'E1'
return AS,CP async def __fetch(url,data,loop):
try:
async with ClientSession(loop=loop) as session:
# hu 发送GET请求，params为GET请求参数，字典类型
async with session.get(url, params=data,timeout=5) as response:
# hu 以json格式读取响应的body并返回字典类型
return await response.json()
except Exception as ex:
print('__fetch:%s' % ex) async def getNewsInfo(loop):
global __NEWS_NUM
AS,CP = getASCP()
urlTouTiao = 'http://www.toutiao.com'
urlNews = 'http://www.toutiao.com/api/pc/feed/'
dataNew = {'category': 'news_hot',
'utm_source': 'toutiao',
'widen': '',
'max_behot_time': '',
'max_behot_time_tmp':'',
'tadrequire':'true',
'as':AS,
'cp':CP}
result = None
try:
task = asyncio.ensure_future(__fetch(urlNews, dataNew,loop),loop=loop)
taskDone = await asyncio.wait_for(task,timeout=5)
if 'message' not in taskDone or taskDone['message'] != 'success':
return result result = {'max_behot_time':taskDone['next']['max_behot_time'],
'news':[]} for news_hot in taskDone['data']:
news = {'Title': None,
'Description': None,
'PicUrl': None,
'Url': None}
# hu 去掉广告
if news_hot['is_feed_ad']:
continue
news['Title'] = news_hot['title']
if 'abstract' in news_hot:
news['Description'] = news_hot['abstract']
else:
news['Description'] = ''
if 'image_url' in news_hot:
news['PicUrl'] = news_hot['image_url']
else:
news['PicUrl'] = ''
news['Url'] = urlTouTiao + news_hot['source_url']
result['news'].append(news)
if len(result['news']) == __NEWS_NUM:
break
# hu 把有图片的新闻放到前面
result['news'].sort(key=lambda obj: obj.get('PicUrl'), reverse=True)
except Exception as ex:
print('getNewsInfo:%s' % ex)
return result def __main():
loop = asyncio.get_event_loop()
for ii in range(2):
task = asyncio.ensure_future(getNewsInfo(loop),loop=loop)
taskDone = loop.run_until_complete(task)
print('第%d次：' % ii)
for res in taskDone['news']:
print(res)
loop.close() if __name__ == '__main__':
__main()
返回值：
第0次：
{'Title': '长沙现微型古籍 疑是明清科举作弊用书', 'Description': '', 'PicUrl': 'http://p3.pstatp.com/list/190x124/1bbf000b36c2b4f07ca0', 'Url': 'http://www.toutiao.com/group/6409737414201721090/'}
第1次：
{'Title': '长沙现微型古籍 疑是明清科举作弊用书', 'Description': '', 'PicUrl': 'http://p3.pstatp.com/list/190x124/1bbf000b36c2b4f07ca0', 'Url': 'http://www.toutiao.com/group/6409737414201721090/'}结果每次获取的新闻都是一样的，通过Fiddler多次观察，发现新闻的刷新和Cookie中的tt_webid有关，当该参数不存在时，则返回默认新闻与tt_webid，所以我们只要取出响应中的tt_webid，并在发送请求时给tt_webid赋值就好。
将toutiao3.py文件做如下修改：
#### hu 增加代码 ######
__cookie = None
###################### async def __fetch(url,data,loop):
global __cookie
try:
async with ClientSession(cookies=__cookie,loop=loop) as session:
async with session.get(url, params=data,timeout=5) as response:
########################### hu 增加代码 ##############################
if response.cookies and 'tt_webid' in response.cookies:
__cookie = {'tt_webid':response.cookies['tt_webid'].value}
#####################################################################
return await response.json()
except Exception as ex:
print('__fetch:%s' % ex)
返回值：
第0次：
{'Title': '长沙现微型古籍 疑是明清科举作弊用书', 'Description': '', 'PicUrl': 'http://p3.pstatp.com/list/190x124/1bbf000b36c2b4f07ca0', 'Url': 'http://www.toutiao.com/group/6409737414201721090/'}
第1次：
{'Title': '陈羽凡设立投资13家公司 3家被吊销营业执照', 'Description': '[海峡都市报-海峡网]（原标题：陈羽凡商业版图冰火两极）4月16日，歌手陈羽凡率先发声，通过视频正式澄清已与白百何协议离婚，并表示将无限期退出娱乐圈。一时之间，业内外开始对陈羽凡退出娱乐圈以后将何去何从进行诸多揣测。', 'PicUrl': 'http://p1.pstatp.com/list/190x124/1bbd000c3eef588ea140', 'Url': 'http://www.toutiao.com/group/6409610618823590146/'}可以看到两次返回的新闻不一样。关于asyncio模块的基本概念可参考《使用python-aiohttp搭建微信公众平台》，这里就不一一注释了。至于怎么将今日头条的功能添加到我们的微信公众号，可以参考《使用python-aiohttp爬取网易云音乐》，这里就不贴代码了。