前言

由于公司业务需求，需要获取客户提供的微信公众号的历史文章并每天进行更新创业资讯平台，三百多个公众号显然不能通过人工去每天查看，问题提交到了IT组。对于热爱爬虫的我肯定要盘他，之前做过搜狗的微信爬虫，后来一直致力于java web了，这个项目又重新燃起了我对爬虫的热爱，第一次使用spring cloud架构来做爬虫，历时二十多天，终于搞定。接下来，我将通过一系列文章来分享此次项目经历，并奉上源码供大家指正！

一、系统简介

本系统是基于Java开发，可通过简单配置公众号名称或微信号，实现定时或即时抓取微信公众号的文章（包括阅读量、点赞、在看）。

二、系统架构

技术架构

Spring Cloud、SpringBoot、Mybatis-Plus、Nacos、RocketMq、nginx

存储

Mysql、MongoDB、Redis、Solr

缓存

Redis

代理

Fiddler

三、系统优劣性

系统优点

1、配置完公众号后可通过Fiddler的JS注入功能和Websocket实现全自动抓取； 2、系统为分布式架构，具有高可用性； 3、RocketMq消息队列进行解耦，可解决网络抖动导致采集失败情况创业资讯平台，若消费三次还未成功则将日志记录到mysql，确保文章的完整性； 4、可加入任意多个微信号提高采集效率和抵抗反爬限制； 5、Redis缓存了每个微信号24小时内采集记录，防止封号； 6、Nacos作为配置中心，可通过热配置实时调整采集频率； 7、将采集到的数据存储到Solr集群，提高检索速度； 8、将抓包返回的记录存储到MongoDB存档便于查看错误日志。

系统缺点：

1、通过真机真号采集消息，如果需要采集大量公众号的话需要有多个微信号作为支撑（若账号当日到了限制，可通过爬取微信公众平台接口获取消息）； 2、不是公众号一发文就能马上抓取到，采集时间是系统设定的，消息有一定的滞后（如果公众号不多微信号数量充足可通过提高采集频率优化）。

四、模块简介

由于之后要加入管理系统和API调用功能，提前对一些功能进行了封装。

common-ws-starter

公共模块：存放工具类和实体类等公共消息。

redis-ws-starter

Redis模块：对

spring-boot-starter-data-redis的二次封装，对外暴露封装的Redis工具类和Redisson工具类。

rocketmq-ws-starter

RocketMq模块：对

rocketmq-spring-boot-starter的二次封装，提供消费重试和记录失败日志功能。

db-ws-starter

mysql数据源模块：对mysql数据源进行封装，支持多数据源，自定义注解实现数据源动态切换。

sql-wx-spider

mysq

来源【个人品牌】自媒体，更多内容/合作请关注「辉声辉语」公众号，送10G营销资料！