微信公众号文章爬取方法汇总(下)

上一篇我们讲了如何获取一个公众号下面的文章,但是有时候只获取文章内容还是不够,还要得到文章的阅读数和点赞数。
公众号文章如果不在微信里面打开,页面是不会有阅读数、点赞数、评论的。微信应该是做了限制,翻遍了公众平台也没有找到获取阅读数的接口,没办法只能上抓包的工具分析了。
抓包工具有很多,windows系统一般使用Fiddler, mac 系统一般使用charles。这类工具教程都有很多了,就不做介绍了,自行google吧。今天来介绍一个新的抓包工具,它和其他抓包工具最大的不同就是它是可编程的,是一个可以灵活配置的代理服务器,同时还提供了一个web界面便于观察请求。它就是阿里巴巴基于 Node.js开发的一款开源代理服务器 —— AnyProxy

处理流程

处理流程

可以看到,客户端与服务器的通信被anyproxy介入,通过rule.js 就可以修改客户端发送的数据和服务器返回的数据。
客户端与服务器通信的数据可以通过浏览器访问 http://127.0.0.1:8002 或者本机局域网ip的8002端口查看。

image

安装 AnyProxy

  1. 安装node.js
brew install node
  1. 安装AnyProxy
npm install -g anyproxy
  1. 启动AnyProxy
anyproxy

代理HTTPS

微信数据接口是https的,而AnyProxy默认不对https请求做处理,要看到明文信息,需要配置CA证书。解析https请求的原理是中间人攻击(man-in-the-middle),用户必须信任AnyProxy生成的CA证书,才能进行后续流程。

  1. 生成证书
# 生成rootCA证书,生成后需要手动信任
anyproxy-ca 
  1. 安装证书
    找到上一步生成的证书,双击安装。


    安装证书
  2. 信任证书
    找到刚刚导入的AnyProxy证书,配置为信任


    信任证书
  3. 启动anyproxy

# 启动AnyProxy,并解析所有https请求
anyproxy --intercept

此时电脑端的https的相关配置就完了,下面来设置手机端。
首先让手机和电脑在同一个局域网,然后手机端访问 http://电脑端ip:8002/fetchCrtFile ,下载并安装根证书。


安装证书

除了上述证书安装过程,还需要在 设置->通用->关于本机->证书信任设置 中把AnyProxy证书的开关打开,否则safari将报错。


信任证书

配置代理:

设置 -> 无线局域网 -> 你连接的网络 -> 配置代理,选择手动,服务器填电脑端ip,端口填8001,保存就可以了。

代理设置

微信接口分析

要查看一个公众号的文章,可以进入每个公众号的历史消息页面,如果没有关注的话可以查看最近10篇,关注了就可以查看所有历史文章了。

历史文章列表获取

通过AnyProxy代理分析,点击历史消息按钮之后,微信是GET请求的 https://mp.weixin.qq.com/mp/profile_ext 接口,然后通过js渲染的界面,文章列表是保存在一个 msgList 变量中。

msgList

这个msgList里面有每一次推送文章的标题,作者、封面、url等信息,如果推送的是多条消息,会包含这个数据结构的multi_app_msg_item_list 字段里。通过正则获取这个字符串然后解析成json对象,大概是这样:

image
阅读数和点赞数获取

在微信中点击某一篇文章之后,微信是通过POST请求 https://mp.weixin.qq.com/mp/getappmsgext 接口获取到阅读数和点赞数等相关数据。

image

但是要请求这个接口除了需要cookie之后,需要一个关键参数appmsg_token

image

而这个参数又是通过GET请求 https://mp.weixin.qq.com/s 拿到,每篇文章的appmsg_token都是不一样的,所以要拿每篇文章的点赞数都需要先请求这个接口,然后从response中解析出appmsg_token

image

rule.js

微信接口就分析到这里了,下面开始具体操作:

AnyProxy 提供了很多注入接口,常用的也就是 beforeSendRequestbeforeSendResponse ,这里我们不需要处理发送请求,只需要处理微信返回的数据就行。

image

parseHistoryPage方法里面,首先解析 msgList 字段,拿到每一篇文章的url,然后循环请求拿appmsg_token,最后根据这个参数获取阅读数和点赞数。请求接口的时候需要仔细分析各个参数,有些是从cookie取,有些是从url里面取,这些就没啥难度了。最终效果如下:

image

访问频次问题

微信对访问次数是有限制的,首先是封ip,访问越快封的越快。其次对每个微信号每天的请求次数也是有限制的,每秒发一次请求,大概测试下来是1500次请求左右。达到后就进不了公众号历史页面(禁24h),微信其他功能不影响。不清楚请求速度如果降下来次数是不是能增加。

上面是网友的测试结果,具体我没有验证过,只是提供个参考。

ok,抓取某个公众号文章并获取阅读数和点赞数的教程就完了,其实目前还是半自动,还得人工一个一个去点击公众号的历史消息页面,要想完全自动还得配合一些自动化工具,比如按键精灵或者appium这些。

以上这些教程都只作为学习交流使用,请不要拿去做坏事。

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 205,132评论 6 478
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 87,802评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 151,566评论 0 338
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,858评论 1 277
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,867评论 5 368
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,695评论 1 282
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,064评论 3 399
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,705评论 0 258
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 42,915评论 1 300
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,677评论 2 323
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,796评论 1 333
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,432评论 4 322
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,041评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,992评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,223评论 1 260
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 45,185评论 2 352
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,535评论 2 343

推荐阅读更多精彩内容