寫在前面的話
前段時間寫了一篇通過搜狗引擎獲取微信公眾號的文章，最近又看了一個網易雲歌詞繪製詞雲的程式

然後我就想，能否把這兩者結合起來呢

還好經歷幾多波折終於把這個東西給弄出來了。

其實中間的實現不是很難， 關鍵是環境搭建實在是太困難了

好了，先把程式碼以及效果圖奉獻上吧

程式碼
weixin_spider.py

#!/usr/bin/python  
# coding: utf-8  

#這三行程式碼是防止在python2上面編碼錯誤的，在python3上面不要要這樣設定  
import sys  
reload(sys)  
sys.setdefaultencoding('utf-8')  

from
 
 urllib import quote  
from pyquery import PyQuery as pq  
from selenium import webdriver  

import requests  
import time  
import re  
import json  
import os  

#搜尋入口地址，以公眾為關鍵字搜尋該公眾號     
def get_search_result_by_keywords(sogou_search_url):  
    # 爬蟲偽裝頭部設定  
    headers = {'User-Agent': 'Mozilla/5.0 (Windows NT 6.3; WOW64; rv:51.0) Gecko/20100101 Firefox/51.0'
 
}  

    # 設定操作超時時長  
    timeout = 5  
    # 爬蟲模擬在一個request.session中完成  
    s = requests.Session()  
    log(u'搜尋地址為：%s' % sogou_search_url)  
    return s.get(sogou_search_url, headers=headers, timeout=timeout).content  

#獲得公眾號主頁地址  
def get_wx_url_by_sougou_search_html(sougou_search_html):  
    doc = pq(sougou_search_html)  
    return
 
 doc('div[class=txt-box]')('p[class=tit]')('a').attr('href')  

#使用webdriver 載入公眾號主頁內容，主要是js渲染的部分  
def get_selenium_js_html(url):  
    browser = webdriver.PhantomJS(executable_path=r'D:\Python2.7\Scripts\phantomjs.exe')   

    browser.get(url)   
    time.sleep(3)   
    # 執行js得到整個頁面內容  
    html = browser.execute_script("return document.documentElement.outerHTML")  
    browser.close()  
    return html  

#獲取公眾號文章內容  
def parse_wx_articles_by_html(selenium_html):  
    doc = pq(selenium_html)  
    return doc('div[class="weui_media_box appmsg"]')  



#將獲取到的文章轉換為字典  
def switch_arctiles_to_list(articles):  
    #定義存貯變數  
    articles_list = []  
    i = 1  

    #遍歷找到的文章，解析裡面的內容  
    if articles:  
        for article in articles.items():  
            log(u'開始整合(%d/%d)' % (i, len(articles)))  
            #處理單個文章  
            articles_list.append(parse_one_article(article))  
            i += 1  
    return articles_list  

#解析單篇文章  
def parse_one_article( article):  
    article_dict = {}  

    #獲取標題  
    title = article('h4[class="weui_media_title"]').text().strip()  
    ###log(u'標題是： %s' % title)  
    #獲取標題對應的地址  
    url = 'http://mp.weixin.qq.com' + article('h4[class="weui_media_title"]').attr('hrefs')  
    log(u'地址為： %s' % url)  
    #獲取概要內容  
    summary = article('.weui_media_desc').text()  
    log(u'文章簡述： %s' % summary)  
    #獲取文章發表時間  
    date = article('.weui_media_extra_info').text().strip()  
    log(u'發表時間為： %s' % date)  
    #獲取封面圖片  
    pic = parse_cover_pic(article)  

    #返回字典資料  
    return {  
        'title': title,  
        'url': url,  
        'summary': summary,  
        'date': date,  
        'pic': pic  
    }  

#查詢封面圖片，獲取封面圖片地址  
def parse_cover_pic( article):  
    pic = article('.weui_media_hd').attr('style')  

    p = re.compile(r'background-image:url(.*?)')  
    rs = p.findall(pic)  
    log( u'封面圖片是：%s ' % rs[0] if len(rs) > 0 else '')  

    return rs[0] if len(rs) > 0 else ''  

#自定義log函式，主要是加上時間  
def log(msg):  
    print u'%s: %s' % (time.strftime('%Y-%m-%d_%H-%M-%S'), msg)  

#驗證函式  
def need_verify(selenium_html):  
    ' 有時候對方會封鎖ip，這裡做一下判斷，檢測html中是否包含id=verify_change的標籤，有的話，代表被重定向了，提醒過一陣子重試 '  
    return pq(selenium_html)('#verify_change').text() != ''  

#建立公眾號命名的資料夾  
def create_dir(keywords):  
    if not os.path.exists(keywords):    
        os.makedirs(keywords)   

#爬蟲主函式  
def run(keywords):  
    ' 爬蟲入口函式 '  
    #Step 0 ：  建立公眾號命名的資料夾  
    create_dir(keywords)  

    # 搜狐微信搜尋連結入口  
    sogou_search_url = 'http://weixin.sogou.com/weixin?type=1&query=%s&ie=utf8&s_from=input&_sug_=n&_sug_type_=' % quote(keywords)  

    # Step 1：GET請求到搜狗微信引擎，以微信公眾號英文名稱作為查詢關鍵字  
    log(u'開始獲取，微信公眾號英文名為：%s' % keywords)  
    log(u'開始呼叫sougou搜尋引擎')  
    sougou_search_html = get_search_result_by_keywords(sogou_search_url)  

    # Step 2：從搜尋結果頁中解析出公眾號主頁連結  
    log(u'獲取sougou_search_html成功，開始抓取公眾號對應的主頁wx_url')  
    wx_url = get_wx_url_by_sougou_search_html(sougou_search_html)  
    log(u'獲取wx_url成功，%s' % wx_url)  


    # Step 3：Selenium+PhantomJs獲取js非同步載入渲染後的html  
    log(u'開始呼叫selenium渲染html')  
    selenium_html = get_selenium_js_html(wx_url)  

    # Step 4: 檢測目標網站是否進行了封鎖  
    if need_verify(selenium_html):  
        log(u'爬蟲被目標網站封鎖，請稍後再試')  
    else:  
        # Step 5: 使用PyQuery，從Step 3獲取的html中解析出公眾號文章列表的資料  
        log(u'呼叫selenium渲染html完成，開始解析公眾號文章')  
        articles = parse_wx_articles_by_html(selenium_html)  
        log(u'抓取到微信文章%d篇' % len(articles))  

        # Step 6: 把微信文章資料封裝成字典的list  
        log(u'開始整合微信文章資料為字典')  
        articles_list = switch_arctiles_to_list(articles)  
        return [content['title'] for content in articles_list]  

weixin_wordcloud.py

# coding: utf8  
from wordcloud import WordCloud  
import weixin_spider  
import matplotlib.pyplot as plt  
import time  


if __name__ == '__main__':  
    print u'''''  
            ****************************************************************   
            **   Welcome to Spider of weixin gongzhonghao for wordcloud   **   
            **                 Created on 2017-05-03                      **   
            **                 @author: Jimy _Fengqi                      **   
            ****************************************************************  
    '''    
    gongzhonghao=raw_input(u'input weixin gongzhonghao:')  
    if not gongzhonghao:  
        gongzhonghao='python'  
    text = " ".join(weixin_spider.run(gongzhonghao))  

    print text  
    wordcloud = WordCloud(random_state=1, font_path = r'C:/Users/Windows/fonts/simkai.ttf').generate(text)#處理獲取到的title，準備繪製詞雲  

    print 'start drawing.....'  
    plt.figure()  
    plt.imshow(wordcloud, interpolation='bilinear')  
    plt.axis('off')  
    plt.show()  

結果
執行結果以及效果圖如下：

            ****************************************************************  
            **   Welcome to Spider of weixin gongzhonghao for wordcloud   **  
            **                 Created on 2017-05-03                      **  
            **                 @author: Jimy _Fengqi                      **  
            ****************************************************************  

input weixin gongzhonghao:  
2017-05-03_17-12-05: 開始獲取，微信公眾號英文名為：python  
2017-05-03_17-12-05: 開始呼叫sougou搜尋引擎  
2017-05-03_17-12-05: 搜尋地址為：http://weixin.sogou.com/weixin?type=1&query=python&ie=utf8&s_from=input&_sug_=n&_sug_type_=  
2017-05-03_17-12-05: 獲取sougou_search_html成功，開始抓取公眾號對應的主頁wx_url  
2017-05-03_17-12-05: 獲取wx_url成功，http://mp.weixin.qq.com/profile?src=3×tamp=1493802721&ver=1&signature=Eu9LOYSA47p6WE0mojhMtFR-gSr7zsQOYo6*w5VxrUjAAes2nWKzZmHcIVVOotmCKZQHqx1-oJty0W7zXgciDA==  
2017-05-03_17-12-05: 開始呼叫selenium渲染html  
2017-05-03_17-12-14: 呼叫selenium渲染html完成，開始解析公眾號文章  
2017-05-03_17-12-14: 抓取到微信文章10篇  
2017-05-03_17-12-14: 開始整合微信文章資料為字典  
2017-05-03_17-12-14: 開始整合(1/10)  
2017-05-03_17-12-14: 地址為： http://mp.weixin.qq.com/s?timestamp=1493802726&src=3&ver=1&signature=0YETqaQn3VeAFFu5BfQjFRkPF4H*-Pdei4mlBgUEtq0k1QLMNDBHGL*vmaJVGGxgDnWtjomkqe8PXYC-M4UT-Ubq8pZXWLNMCUN8t46HfTCghZZelhTNk4OK9r4N84PNA4PStQzUxee5aSRaDAYTBS9Wf2m7FYrKgva2*9PSq4k=  
2017-05-03_17-12-14: 文章簡述： 不同於其他免費基礎視訊、不容錯過哦  
2017-05-03_17-12-14: 發表時間為： 2017年4月25日  
2017-05-03_17-12-14: 封面圖片是：http://mmbiz.qpic.cn/mmbiz_jpg/Kad3LZzM7n6kOLEoklv3z5DlYnHz2lE2pcudibic6pDbMUck8vT4zlzqDUDpBeWNsgGPef8HmQkrG6dPkAZick0jw/0?wx_fmt=jpeg   
2017-05-03_17-12-14: 開始整合(2/10)  
2017-05-03_17-12-14: 地址為： http://mp.weixin.qq.com/s?timestamp=1493802726&src=3&ver=1&signature=0YETqaQn3VeAFFu5BfQjFRkPF4H*-Pdei4mlBgUEtq0k1QLMNDBHGL*vmaJVGGxgDnWtjomkqe8PXYC-M4UT-du18Q4qJZThq4lkPKLgjuXf-H6L4kHEImvTcJXsIjlm4eWr3pGE4Kr0DKmBSNe27wR*EmgCQuPwXey4tFdI-uM=  
2017-05-03_17-12-14: 文章簡述： 恭喜你獲得了免費python學習機會、  
2017-05-03_17-12-14: 發表時間為： 2017年4月22日  
2017-05-03_17-12-14: 封面圖片是：http://mmbiz.qpic.cn/mmbiz_png/Kad3LZzM7n7J8cEPG7OwwoJpECMfbYribz3LojBq8TUbfibhmEicb6M1AbZbDN5fL490AtUEpv33lnDfOWdhZHw5w/0?wx_fmt=png  
2017-05-03_17-12-14: 開始整合(3/10)  
2017-05-03_17-12-14: 地址為： http://mp.weixin.qq.com/s?timestamp=1493802726&src=3&ver=1&signature=0YETqaQn3VeAFFu5BfQjFRkPF4H*-Pdei4mlBgUEtq0k1QLMNDBHGL*vmaJVGGxgDnWtjomkqe8PXYC-M4UT-YYYmhz6gmrq4PnNMVHDwJMKYXgaGMZo8QqlHmZ5AyFQwrnSDU3gtYjXP6bvz9m0HjURSqAE*lF-t5R6iQSw8bc=  
2017-05-03_17-12-14: 文章簡述： 如今python程式語言在國內越來越火了，學習python的人也開始多了起來，今天我就來分享一下，我瞭解到的從各大知名企業招聘資訊中的python程式設計師職業技能表！  
2017-05-03_17-12-14: 發表時間為： 2017年4月11日  
2017-05-03_17-12-14: 封面圖片是：http://mmbiz.qpic.cn/mmbiz_png/Kad3LZzM7n5RzVjTFpzmaAupSsibCOvw6pyUTSF8qqgMI98S5soCyNlnnbLSLAfFibJUSyjhyxSC53LibJq48PTUQ/0?wx_fmt=png  
2017-05-03_17-12-14: 開始整合(4/10)  
2017-05-03_17-12-14: 地址為： http://mp.weixin.qq.com/s?timestamp=1493802726&src=3&ver=1&signature=0YETqaQn3VeAFFu5BfQjFRkPF4H*-Pdei4mlBgUEtq0k1QLMNDBHGL*vmaJVGGxgDnWtjomkqe8PXYC-M4UT-XdE1cnErev9xb0hF1qOmgr5P*HeGyrWpC5OrEQvAKDaxPjExg1V594I*vwhcHoEIraMXA0fDOod*qVu7fsN1VY=  
2017-05-03_17-12-14: 文章簡述： 又是新的一週、新的開始  
2017-05-03_17-12-14: 發表時間為： 2017年4月10日  
2017-05-03_17-12-14: 封面圖片是：http://mmbiz.qpic.cn/mmbiz_png/Kad3LZzM7n5DicWjY05ib7KAZNjZpGMT55FdmYfgL1UJU39UIjB1icnRWSCibrHYPFgAPDkjsx7RgRXlFs7njL8QFw/0?wx_fmt=png   
2017-05-03_17-12-14: 開始整合(5/10)  
2017-05-03_17-12-14: 地址為： http://mp.weixin.qq.com/s?timestamp=1493802726&src=3&ver=1&signature=0YETqaQn3VeAFFu5BfQjFRkPF4H*-Pdei4mlBgUEtq0k1QLMNDBHGL*vmaJVGGxgDnWtjomkqe8PXYC-M4UT-UAtygSQ*C5lBQy53XisEjEmV-uFUkwzjPLoaaF5vOqLn9Bm3tB84CSsX0MfzK5d57DS625vB-hM*k1zQwgfbJ0=  
2017-05-03_17-12-14: 文章簡述： 不定時更新這種精講視訊、記得隨時關注哦  
2017-05-03_17-12-14: 發表時間為： 2017年4月8日  
2017-05-03_17-12-14: 封面圖片是：http://mmbiz.qpic.cn/mmbiz_jpg/Kad3LZzM7n5HIeqCSKia2L10THBoRkYkKrbicUJjUYicCXjiasUDuJxY9DBJ0tTP3ticf2XbN2Cr5Vfg0CM1Kx1TwiaA/0?wx_fmt=jpeg  
2017-05-03_17-12-14: 開始整合(6/10)  
2017-05-03_17-12-14: 地址為： http://mp.weixin.qq.com/s?timestamp=1493802726&src=3&ver=1&signature=0YETqaQn3VeAFFu5BfQjFRkPF4H*-Pdei4mlBgUEtq0k1QLMNDBHGL*vmaJVGGxgDnWtjomkqe8PXYC-M4UT-Vf8RaS4Pkph9DIfBuroVRszZ7VccePWMMYLU1Wda8YZrUc5X9DL1F*7QUvkN75ZXxKSl7JKCQihehlrRCQQziY=  
2017-05-03_17-12-14: 文章簡述： flask是一款非常流行的Python Web框架，出生於2010年，作者是Armin Ronacher,本來這個專案只是作者在愚人節的一個玩笑，後來由於非常受歡迎，進而成為一個正式的專案。目前為止最新的版本是0.11.1。  
2017-05-03_17-12-14: 發表時間為： 2017年4月6日  
2017-05-03_17-12-14: 封面圖片是：http://mmbiz.qpic.cn/mmbiz_jpg/Kad3LZzM7n6kOLEoklv3z5DlYnHz2lE2j1EVD3OcqtW9BDJEK8libEyY7QdDCLkJgQaFwXP0FJmZCug3KKjeVAg/0?wx_fmt=jpeg  
2017-05-03_17-12-14: 開始整合(7/10)  
2017-05-03_17-12-14: 地址為： http://mp.weixin.qq.com/s?timestamp=1493802726&src=3&ver=1&signature=0YETqaQn3VeAFFu5BfQjFRkPF4H*-Pdei4mlBgUEtq0k1QLMNDBHGL*vmaJVGGxgDnWtjomkqe8PXYC-M4UT-dYVYcn0tSGPeTL8AlJGawykBwNMks28FXsqxsxui0a4n4-5TXQPsrpuc*69GH1WOfzeHw*3WnK48uuqwMmY8NU=  
2017-05-03_17-12-14: 文章簡述： 值得一看哦  
2017-05-03_17-12-14: 發表時間為： 2017年4月5日  
2017-05-03_17-12-14: 封面圖片是：http://mmbiz.qpic.cn/mmbiz_png/Kad3LZzM7n6JXibnmFZEMsTo4rIY37l58ibQicyiaiaTwRo1ia05hpjicbb5OlL8na5JTsUGwwyY6Pg6MXFD6nrYnaGDg/0?wx_fmt=png  
2017-05-03_17-12-14: 開始整合(8/10)  
2017-05-03_17-12-14: 地址為： http://mp.weixin.qq.com/s?timestamp=1493802726&src=3&ver=1&signature=0YETqaQn3VeAFFu5BfQjFRkPF4H*-Pdei4mlBgUEtq0k1QLMNDBHGL*vmaJVGGxgDnWtjomkqe8PXYC-M4UT-ajcYor67dV-edCLAmz7ysAPsW1rnB-*0nqeyWNMdfoaMh5987ezN6IoTrGsjuyAzHd*VatTOzBzpkl-kevjDP4=  
2017-05-03_17-12-14: 文章簡述： ctypes（二）— 基本函式呼叫  
上一次提到了，ctypes的相容層，這次我們直接講利用相容層呼叫函式的相關規則。  
2017-05-03_17-12-14: 發表時間為： 2017年4月2日  
2017-05-03_17-12-14: 封面圖片是：http://mmbiz.qpic.cn/mmbiz_jpg/Kad3LZzM7n6kOLEoklv3z5DlYnHz2lE23reFCJVbkRvwcadcnvA84WYIqOmLtU1e679xzfUXFE8hvWa2tBqugA/0?wx_fmt=jpeg  
2017-05-03_17-12-14: 開始整合(9/10)  
2017-05-03_17-12-14: 地址為： http://mp.weixin.qq.com/s?timestamp=1493802726&src=3&ver=1&signature=0YETqaQn3VeAFFu5BfQjFRkPF4H*-Pdei4mlBgUEtq0k1QLMNDBHGL*vmaJVGGxgDnWtjomkqe8PXYC-M4UT-Qie-wwJs-toXtk7yDFPxfApK1UXSBITe-3QQuzYbo10M7BUKIPMtQf99U*UyTD-woQcjC8WnxoaqiaF2IeoKBc=  
2017-05-03_17-12-14: 文章簡述： ctypes（一） — 初識  
很多初學Python的新手，總是嘴邊掛著一句話：“Python是一門膠水語言”。  
2017-05-03_17-12-14: 發表時間為： 2017年4月1日  
2017-05-03_17-12-14: 封面圖片是：http://mmbiz.qpic.cn/mmbiz_jpg/Kad3LZzM7n6kOLEoklv3z5DlYnHz2lE2V9CasXUA3JNnd6ZncuC6ptGvfalj6ibWr17YmAD0fTEVTD1SjEicekibg/0?wx_fmt=jpeg   
2017-05-03_17-12-14: 開始整合(10/10)  
2017-05-03_17-12-14: 地址為： http://mp.weixin.qq.com/s?timestamp=1493802726&src=3&ver=1&signature=0YETqaQn3VeAFFu5BfQjFRkPF4H*-Pdei4mlBgUEtq0k1QLMNDBHGL*vmaJVGGxgDnWtjomkqe8PXYC-M4UT-fUfVJStvaToDhm9rGSUVbZGpsdiyxOoBRZZng907ag6hLzmPy-6TfgYnB9xy5g3W1IUzt0GyVE27Rs3QqaFDZs=  
2017-05-03_17-12-14: 文章簡述： 什麼是聯結器？  
聯結器是程式語言（我們特指Python）連線資料庫的一箇中間層，通常以第三方包的形式釋出。因此，如果我們要使用Python來操作資料庫，那我們必須安裝相應的聯結器。  
2017-05-03_17-12-14: 發表時間為： 2017年3月30日  
2017-05-03_17-12-14: 封面圖片是：http://mmbiz.qpic.cn/mmbiz_jpg/Kad3LZzM7n6kOLEoklv3z5DlYnHz2lE2pcudibic6pDbMUck8vT4zlzqDUDpBeWNsgGPef8HmQkrG6dPkAZick0jw/0?wx_fmt=jpeg   
python基礎教程：VIP精講旅程 python專案實戰教程：Flask框架開發搜尋引擎 Python程式設計師技能表—446家知名企業的Py招聘資訊 Python專案實戰教程：Web與爬蟲開發-（全自動更新資料）下 python框架教程：scrapy框架之xpath語法 框架-flaskの開發 Python專案實戰教程：Web與爬蟲開發(全自動更新資料) 系列:Python擴充套件模組(2) 愚人節快樂！今天你被愚了嗎？系列:Python擴充套件模組(1) 這是Python聯結器嗎？不曉得  
start drawing.....  

總結

使用wordcloud 需要安裝很多東西
目前所知

wordcloud

numpy

scipy