【2026最新公众号爬虫分享】用Python爬取公众号文章，批量下载正文并保存Excel！

您好，我是@iFeng的小屋，一枚4年程序猿。

一、爬取目标

我发现很多做运营和数据分析的小伙伴，一直想找能批量下载公众号文章，并且能获取完整正文内容的工具。所以，这次我开发了这个公众号文章爬虫，供大家使用。

目前是源码格式，还没有封装成软件，如果想要软件的我后续开发一个软件版本的。

二、展示爬取结果

话不多说，先看成果。爬取结果包含以下字段：

• 文章标题
• 文章链接（永久链接）
• 发布时间
• 公众号名称
• 文章正文

所有数据自动保存为Excel文件，干净整齐，拿去即可食用！

三、原理讲解

1，登录公众平台

2，然后在首页下新的创作选择文章，点进去之后在正文添加超链接，然后账号那一行选择要爬取的公众号，接着就会出现公众号发布过的文章，如下图：

3，这里按F12查看数据来源，点击网络，刷新之后可以看到文章数据来源的数据包，那接下来就要对这个url发送请求，取我们想要的值即可。token和cookie也从这里边找。

三、爬虫代码讲解

导入库：

import requests import pandas as pd import json import time from lxml import etree

3.1 核心思路与配置

运行这个需要两个关键参数：token和cookie。这需要你登录公众平台后台，在开发者工具里抓取。

为了方便使用，我把这些配置都写进了wechat_config_new.json文件里：

{ "token": "你的token", "cookie": "你的cookie", "account_name": ["目标公众号1", "目标公众号2"], "start_date": "2024-01-01", "end_date": "2024-03-20" }

敲黑板：account_name支持列表，可以一次配置多个公众号，实现批量爬取！

3.3 关键步骤：获取文章列表，并翻页！

这里涉及到分页逻辑：

def get_articles(config, account_name, fakeid): page = 0 all_articles = [] while True: begin = page * 5 # 微信接口每页固定5条 url = "https://mp.weixin.qq.com/cgi-bin/appmsgpublish" params = { "sub": "list", "begin": str(begin), "count": "5", "fakeid": fakeid, # 核心参数 "token": config['token'], } # 发送请求，解析JSON ... # 如果返回的数据为空，说明没有更多了，跳出循环 if not publish_list: break page += 1 time.sleep(random.randint(2, 5)) # 礼貌性等待，防止被封

获取正文：

def get_article_content(link): detail_response = requests.get(url=link, headers=header, timeout=15) detail_xp = etree.HTML(detail_response.text) # 核心XPath，定位到正文区域 content_element = detail_xp.xpath("//*[@id='js_content']//text()") # 清洗、拼接文本 content_clean = [text.strip() for text in content_element if text.strip()] return '\n'.join(content_clean)

四、如何运行？

1. 按上面说的，配置好wechat_config_new.json文件。需要更新cookie和token。
2. 安装依赖：pip install requests pandas lxml openpyxl
3. 运行主函数main()，坐等Excel文件生成即可。

程序会自动帮你：搜索公众号 -> 遍历所有分页 -> 逐篇下载正文 -> 保存到表格。

五、说明

需要本文完整源码的小伙伴，我都放在了与此号同名的公众号里，大家自行获取。

持续分享Python干货中！更多爬虫源码干货，请前往主页查看~