毕设&课设&项目&实训-基于搜狗的微信公众号定向爬虫(接口)，使用C#实现，故取名WeGouSharp.zip

# WeGouSharp 基于搜狗的微信公众号定向爬虫(接口)，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](https://github.com/Chyroc/WechatSogou)， 在此还请各位大佬指教 *** 已经更新至dotnet core，可在linux或Mac下运行 *** ### 关于依赖处理 ~~由于集成了Firefox作为引擎,所以包比较大..,如果想小点的可以查看faq文档[faq](docs/faq.md)~~ 考虑到稳定性和兼容性并优化包大小，所以现在不再单独提供firefox二进制文件 但是程序还是依赖firefox，所以请自行在运行的机器安装最新版Firefox - 使用包管理器安装(Debian/Ubuntu) `sudo apt update && sudo apt install firefox` 其他系统同理，推荐这种方案，因为这样安装可以直接在终端输入firefox即可运行 或者使用下面方法安装，似乎需要把安装目录加入到环境变量 - Windows/macOS/Linux [下载安装](https://www.mozilla.org/en-US/firefox/new/) **如果不是安装在系统目录下，请把安装目录加入到环境变量** ## 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~~ 目前src里的已经改为netstandart2.0, dotnet core或者.NET framework 4.6.1+的可以直接引用该项目 样例即sample/Hostrunner 进入该项目,执行 `dotnet build` 然后进入bin目录中找到HostRunner.dll 执行即可`dotnet HostRunner.dll` ## 添加依赖 - HtmlAgilityPack //用于解析HTML - log4net //日志 - CoreCompat.System.Drawing - OpenCvSharp3-AnyCPU //验证码显示以及自动识别 - Newtonsoft.Json //序列化 - Selenium.WebDriver - 等等 以上引用建议通过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 ``` dotnet run ``` ### 初始化 API 在sample项目中已经引用了该项目所以直接调用(单例模式) ```C# var apiService = WeGouService.Instance; var rs = apiService.GetAccountInfoByIdAsync("taosay").Result; ``` 运行截图 macOS：  windows  ## 数据结构： ### 公众号结构： ```C# 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) ```c#   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 ```C# 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 ```C# 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