近日为学校公众号统计发稿情况，需统计本年度各部门分别所发稿件标题、时间、作者等。

首先考虑查看公众号后台有无统计功能，看到的界面如下：

每页只显示7天的消息，且没有部门作者信息。再看另一界面：

只统计总体的发稿数量，阅读量等信息，没有具体的稿件信息。

再考虑通过微信前端，能否使用查看历史消息的功能，获得所有稿件。经尝试，网页版微信无法打开历史消息，手机端和PC端程序可以打开历史消息，但无法进行复制操作。而且历史消息也不能获得全部信息，只有稿件标题和发表时间，并没有作者信息。

再进后台逛一逛，没发现有信息比较全面的地方，只是在“素材管理”的“图文消息”下，还能列出比较多的消息，但同样看不到部门作者信息。

好在后台都是在浏览器中去打开，可以查看一下页面的源代码。这一看，有了意外的收获。

这里有标题、时间和部门作者信息。但这信息太乱了，怎么把它提取出来呢？

笔者近来一直研究创客、机器人和人工智能，这些领域都以Python语言为主要开发工具，我也学了它，正好在此实践一下。

编程之前，我们还是先把数据捋一下，搞清楚。

首先，这个页面并不包含全部的历史消息，而是分页显示的。网页地址是这样的：https://mp.weixin.qq.com/cgi-bin/appmsg?begin=0&count=10&......

begin表示第几页，count表示每页含有消息数量。为了减少翻页次数，我尝试将count数量加大到100，结果发现返回的页面并没有包含100条消息，只有50条消息。经验证，count最大设置为50时，返回的页面包含消息数量和设置的数值是一值的。这样我们可以分别使用…begin=0&count=50&…，…begin=50&count=50&…，…begin=100&count=50&…等地址来获取每页50条消息，直至取到所需要统计的起始日期为止。

接着，分析页面数据的结构，整理如下：

这样数据的结构清晰多了，这儿整理出来只是为了让大家能更容易看清，只要结构不变，怎么乱我们的程序都能识别。最后就是利用Python编写程序提取所需信息了。经过反复调试，程序终于实现了功能。但目前还只是个半成品－－未集成微信公众号登录及相关页面下载的功能。需手动登录后台并进入相关页面保存相关网页，然后用此程序提取信息。因微信登录必须扫码完成，所以手动操作是不可避免的，在后续的版本中，将提取人工扫码登录后的HTTP头部参数，传递到程序中，实现网页的自动下载，提高自动化程度。关注“民族中专创新工作室”，发送“微信统计”，可获取源码下载地址。