# 微信公众号爬虫

#### 文档链接
* [Git](https://git.yishihui.com/Server/crawler_gongzhonghao.git)
* [Jenkins](https://jenkins-on.yishihui.com/view/%E7%A5%A8%E5%9C%88-%E7%88%AC%E8%99%AB/job/spider-%E5%85%AC%E4%BC%97%E5%8F%B7-%E4%BF%A1%E6%AC%A3/)
* [公众号_信欣_爬虫表](https://w42nne6hzg.feishu.cn/sheets/shtcna98M2mX7TbivTj9Sb7WKBN?sheet=47e39d)
* [需求文档](https://w42nne6hzg.feishu.cn/docx/KUuydSH8uouFoUxzfYmcxYmQnsf)

#### 软件架构
* python==3.10
* loguru==0.6.0
* oss2==2.15.0
* psutil==5.9.2
* requests==2.27.1
* selenium==4.4.3
* urllib3==1.26.9
* ffmpeg==1.4

#### 使用说明
* cd ./crawler_gongzhonghao && sh gongzhonghao.sh
* 或者，Jenkins 重新构建

#### 更新记录
2023/01/17
* 对文章中全部视频进行抓取
* 根据视频 ID 去重的基础上，再进行视频标题相似度进行排重，>80%即认为重复内容
* 抓取完一个人，休眠 1 分钟；抓取完所有人，休眠 1 小时
* 站内承接账号[26117675, 26117676, 26117677, 26117678, 26117679, 26117680]