Python批量下载公众号话题下音频文件

宝宝喜欢听父母讲故事，年轻人喜欢听文章，年纪大的人喜欢听评书，很多人喜欢听不一样的东西，文案能够从文字转化成为语言说出去，那么效果肯定是大有不同。

想必在日常生活中，大家都可能关注了一些微信公众号，上面有的博主会放上一些音频内容，这样的内容不仅从感官上与读者拉近了距离，更能够让大家利用碎片化的时间进行学习，微信公众号通过向用户呈现图片、文字、音频、视频和超链接，优化了用户的阅读习惯。我们可以根据自己的喜好有选择地阅读。同时，信息获取方便，成本低，体验更好。

但是有的时候，我们刚接触了一个新的公众号，看着里面发布的几百条甚至几千条的音频，想逐个听取，但是来回翻动很是麻烦，于是就

首先我们找到该公众号所属的话题，如下：

https://mp.weixin.qq.com/mp/appmsgalbum?search_click_id=9603052495515652739-1665993957662-3161382796&__biz=MjM5NjAxOTU4MA==&action=getalbum&album_id=1681628721901830149#wechat_redirect

该链接包含了公众号下面前十个音频文章，在该界面我们获取到音频所属的文章链接，那么我们爬取的思路也很简单。

• 获取该话题下的所有音频链接
• 循环遍历所有音频链接
• 获取audio_id，请求对应文件接口
  

因每次打开只显示话题下的前十个音频文章，所以我们向下滑动，发现发送了ajax请求，这样我们模拟发送请求即可获取所有的音频链接，拿到所有的音频链接后，我们请求所有的url，获取音频文章详情中的voice_encode_fileid（audio文件ID），然后请求如下接口链接即可，如下：

https://res.wx.qq.com/voice/getvoice?mediaid=audio_id

以上就是批量爬取公众号音频的思路，具体代码如下：

import requests
import re
import json
import time
import os




class WechatAudio(object):
    audio_list_url_api = "https://mp.weixin.qq.com/mp/appmsgalbum?"
    audio_item_url = ""
    headers = {
        "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 "
                      "(KHTML, like Gecko) Chrome/54.0.2840.99 Safari/537.36"
    }
    audio_voice_url = "https://res.wx.qq.com/voice/getvoice?mediaid="
    all_audio_url = []
    audio_list_url_api_param = {
        "count": 10,
        "begin_itemidx": 1,
        "action": "getalbum",
        "uin": "",
        "key": "",
        "pass_ticket": "",
        "wxtoken": "",
        "devicetype": "",
        "clientversion": "",
        "appmsg_token": "",
        "x5": 0,
        "f": "json",
    }


    def __init__(self, list_url):
        # pass
        self.first_req(list_url)


    def send_request(self, url, params={}):
        response = requests.get(url, params=params, headers=self.headers)
        # print(response.url)
        return response.content.decode("utf-8")


    def first_req(self, list_url):
        start_page = self.send_request(list_url)
        self.audio_list_url_api_param['__biz'] = re.search(r'__biz=(.*?)&', list_url).group(1)
        self.audio_list_url_api_param['album_id'] = re.search(r'album_id=(.*?)&', list_url).group(1)
        self.audio_list_url_api_param['begin_msgid'] = re.findall('data-msgid="(.*)"', start_page)[-1]
        links = re.findall('data-link="(.*)"', start_page)
        self.all_audio_url = [link for link in links]
        self.more_url_list(self.audio_list_url_api_param)


    def more_url_list(self, params):
        api_res = json.loads(self.send_request(self.audio_list_url_api, params))['getalbum_resp']['article_list']
        for res_item in api_res:
            self.all_audio_url.append(res_item['url'])
        if int(api_res[-1]['pos_num']) >= 10:
            self.audio_list_url_api_param['begin_msgid'] = api_res[-1]['msgid']
            self.audio_list_url_api_param['begin_itemidx'] = api_res[-1]['itemidx']
            time.sleep(10)
            print(len(self.all_audio_url))
            self.more_url_list(self.audio_list_url_api_param)


        for audio_url in self.all_audio_url:
            self.down_audio_file(audio_url)
            time.sleep(5)


    def down_audio_file(self, link_url):
        dt_res = self.send_request(link_url)
        voice_id = re.findall(r'voice_encode_fileid=\"(.*?)\"', dt_res)[0]
        title = re.search(r"property=\"og:title\" content=\"(.*?)\"", dt_res).group(1)
        audio_data = requests.get(self.audio_voice_url + voice_id)
        aduio_path = "./weMp3/"
        isExists = os.path.exists(aduio_path)
        if not isExists:
            os.makedirs(aduio_path)
        print('正在下载音频：' + title + '.mp3')
        with open(aduio_path+title + '.mp3', 'wb') as f:
            f.write(audio_data.content)




if __name__ == "__main__":
    # topic_url = input('请输入音频话题地址：')
    topic_url = "https://mp.weixin.qq.com/mp/appmsgalbum" \
                "?__biz=MjM5NjAxOTU4MA==&action=getalbum&album_id=1681628721901830149&scene=173"
    wechatAudio = WechatAudio(topic_url)