使用 Fiddler 抓包分析公眾號

打開微信隨便選擇一個公眾號，查看公眾號的所有歷史文章列表

?

?在 Fiddler 上已經能看到有請求進來了，說明公眾號的文章走的都是HTTPS協議，這些請求就是微信客戶端向微信服務器發送的HTTP請求。

模擬微信請求?

1、服務器的響應結果，200 表示服務器對該請求響應成功
2、請求協議，微信的請求協議都是基 于HTTPS 的，所以Fiddle一定要配置好，不然你看不到 HTTPS 的請求。
3、請求路徑，包括了請求方法（GET），請求協議（HTTP/1.1），請求路徑（/mp/profile_ext...后面還有很長一串參數）

4、包括Cookie信息在內的請求頭。

5、微信服務器返回的響應數據。

?

確定微信公眾號的請求HOST是?mp.weixin.qq.com?之后，我們可以使用過濾器來過濾掉不相關的請求。

爬蟲的基本原理就是模擬瀏覽器發送 HTTP 請求，然后從服務器得到響應結果，現在我們就用 Python 實現如何發送一個 HTTP 請求。這里我們使用 requests 庫來發送請求。

拷貝URL和請求頭

• 1：找到完整URL請求地址
• 2：找到完整的請求頭（headers）信息，Headers里面包括了cookie、User-agent、Host 等信息。

我們直接從 Fiddler 請求中拷貝 URL 和 Headers，?右鍵 -> Copy -> Just Url/Headers Only

?

url = 'https://mp.weixin.qq.com/mp/profile_ext' \'?action=home' \'&__biz=MzA5MTAxMjEyMQ==' \'&scene=126' \'&bizpsid=0' \'&devicetype=android-23' \'&version=2607033c' \'&lang=zh_CN' \'&nettype=WIFI' \'&a8scene=3' \'&pass_ticket=LvcLsR1hhcMXdxkZjCN49DcQiOsCdoeZdyaQP3m5rwXkXVN7Os2r9sekOOQULUpL' \'&wx_header=1'

　　

因為 requests.get 方法里面的 headers 參數必須是字典對象，所以，先要寫個函數把剛剛拷貝的字符串轉換成字典對象。

def headers_to_dict(headers):"""將字符串'''Host: mp.weixin.qq.comConnection: keep-aliveCache-Control: max-age='''轉換成字典對象{"Host": "mp.weixin.qq.com","Connection": "keep-alive","Cache-Control":"max-age="}:param headers: str:return: dict"""headers = headers.split("\n")d_headers = dict()for h in headers:if h:k, v = h.split(":", 1)d_headers[k] = v.strip()return d_headers

公眾號歷史文章數據就在 response.text 中。如果返回的內容非常短，而且title標簽是<title>驗證</title>，

那么說明你的請求參數或者請求頭有誤，最有可能的一種請求就是 Headers 里面的 Cookie 字段過期，

從手機微信端重新發起一次請求獲取最新的請求參數和請求頭試試

response = requests.get(url, headers=headers_to_dict(headers), verify=False)print(response.text)if '<title>驗證</title>' in response.text:raise Exception("獲取微信公眾號文章失敗，可能是因為你的請求參數有誤，請重新獲取") # with open("weixin_history.html", "w", encoding="utf-8") as f: # f.write(response.text)

歷史文章封裝在叫 msgList 的數組中（實際上該數組包裝在字典結構中），這是一個 Json 格式的數據，但是里面還有 html 轉義字符需要處理

?

寫一個方法提取出歷史文章數據，分三個步驟，首先用正則提取數據內容，然后 html 轉義處理，最終得到一個列表對象，返回最近發布的10篇文章

def extract_data(html_content):"""從html頁面中提取歷史文章數據:param html_content 頁面源代碼:return: 歷史文章列表"""import reimport htmlimport jsonrex = "msgList = '({.*?})'" # 正則表達pattern = re.compile(pattern=rex, flags=re.S)match = pattern.search(html_content)if match:data = match.group(1)data = html.unescape(data) # 處理轉義# print('data: {}'.format(data))data = json.loads(data)articles = data.get("list")for item in articles: print(item)return articles

?

最終提取出來的數據總共有10條，就是最近發表的10條數據，我們看看每條數據返回有哪些字段。

?

發送時間對應comm_msg_info.datetime，app_msg_ext_info中的字段信息就是第一篇文章的字段信息，分別對應：

• title：文章標題
• content_url：文章鏈接
• source_url：原文鏈接，有可能為空
• digest：摘要
• cover：封面圖
• datetime：推送時間

后面幾篇文章以列表的形式保存在?multi_app_msg_item_list?字段中。

?

?

?詳細代碼

import requestsurl = 'https://mp.weixin.qq.com/mp/profile_ext' \'?action=home' \'&__biz=MzA5MTAxMjEyMQ==' \'&scene=126' \'&bizpsid=0' \'&devicetype=android-23' \'&version=2607033c' \'&lang=zh_CN' \'&nettype=WIFI' \'&a8scene=3' \'&pass_ticket=LvcLsR1hhcMXdxkZjCN49DcQiOsCdoeZdyaQP3m5rwXkXVN7Os2r9sekOOQULUpL' \'&wx_header=1'headers =''' Host: mp.weixin.qq.comConnection: keep-aliveUser-Agent: Mozilla/5.0 (Linux; Android 6.0.1; OPPO R9s Build/MMB29M; wv) AppleWebKit/537.36 (KHTML, like Gecko) Version/4.0 Chrome/57.0.2987.132 MQQBrowser/6.2 TBS/044405 Mobile Safari/537.36 MMWEBID/5576 MicroMessenger/6.7.3.1360(0x2607033C) NetType/WIFI Language/zh_CN Process/toolsmpx-wechat-key: d2bc6fe213fd0db717e11807caca969ba1d7537e57fc89f64500a774dba05a4f1a83ae58a3d039efc6403b3fa70ebafb52cfd737b350b58d0dca366b5daf92027aaefcb094932df5a18c8764e98703dcx-wechat-uin: MTA1MzA1Nzk4Mw%3D%3DAccept: text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,image/apng,image/wxpic,image/sharpp,image/apng,image/tpg,/;q=0.8Accept-Encoding: gzip, deflateAccept-Language: zh-CN,en-US;q=0.8Q-UA2: QV=3&PL=ADR&PR=WX&PP=com.tencent.mm&PPVN=6.7.3&TBSVC=43620&CO=BK&COVC=044405&PB=GE&VE=GA&DE=PHONE&CHID=0&LCID=9422&MO= OPPOR9s &RL=1080*1920&OS=6.0.1&API=23Q-GUID: edb298c301f35e6c59298f2313b788cbQ-Auth: 31045b957cf33acf31e40be2f3e71c5217597676a9729f1b '''def headers_to_dict(headers):"""將字符串'''Host: mp.weixin.qq.comConnection: keep-aliveCache-Control: max-age='''轉換成字典對象{"Host": "mp.weixin.qq.com","Connection": "keep-alive","Cache-Control":"max-age="}:param headers: str:return: dict"""headers = headers.split("\n")d_headers = dict()for h in headers:if h:k, v = h.split(":", 1)d_headers[k] = v.strip()return d_headers# with open("weixin_history.html", "w", encoding="utf-8") as f: # f.write(response.text)def extract_data(html_content):"""從html頁面中提取歷史文章數據:param html_content 頁面源代碼:return: 歷史文章列表"""import reimport htmlimport jsonrex = "msgList = '({.*?})'" # 正則表達pattern = re.compile(pattern=rex, flags=re.S)match = pattern.search(html_content)if match:data = match.group(1)data = html.unescape(data) # 處理轉義# print('data: {}'.format(data))data = json.loads(data)articles = data.get("list")return articlesdef crawl():"""爬取文章:return:"""response = requests.get(url, headers=headers_to_dict(headers), verify=False)print(response.text)if '<title>驗證</title>' in response.text:raise Exception("獲取微信公眾號文章失敗，可能是因為你的請求參數有誤，請重新獲取")data = extract_data(response.text)for item in data:print(item['app_msg_ext_info'])if __name__ == '__main__':crawl()

?

　　

?

轉載于:https://www.cnblogs.com/xiao-apple36/p/10146824.html

創作挑戰賽新人創作獎勵來咯，堅持創作打卡瓜分現金大獎

總結

以上是生活随笔為你收集整理的python通过手机抓取微信公众号的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。