appmsg_token 是一个具有时效性的参数,和 cookie 一样是需要改变的,当这两个参数过期时就需要从抓包工具(MitmProxy 中)ctrl+C,ctrl+V到代码中,很是麻烦。
MitmProxy 可以使用命令行接口 mitmdumvp 运行 Python 代码监听抓取的链接,如果抓到了 https://mp. weixin.qq.com/mp/getappmsgext 就保存在本地文件并退出抓包
mitmdump 命令
-s 运行的python脚本, -w 将截取的内容保持到文件
mitmdump -s write_cookie.py -w outfile mp.weixin.qq.com/mp/getappmsgext
监听脚本
import urllib
import sys
from mitmproxy import http
command: mitmdump -s write_cookie.py -w outfile mp.weixin.qq.com/mp/getappmsgext
class WriterCookie:
“”"
mitmproxy的监听脚本,写入cookie和url到文件
“”"
def init(self, outfile: str) -> None:
self.f = open(outfile, “w”)
def response(self, flow: http.HTTPFlow) -> None:
“”"
完整的response响应
:param flow: flow实例,
“”"
获取url
url = urllib.parse.unquote(flow.request.url)
将url和cookie写入文件
if “mp. weixin.qq.com/mp/getappmsgext” in url:
self.f.write(url + ‘\n’)
self.f.write(str(flow.request.cookies))
self.f.close()
退出
exit()
第四个命令中的参数
addons = [WriterCookie(sys.argv[4])]
监听脚本写好之后,再来写启动命令和解析 url,cookie 文件的模块
import re
import os
class ReadCookie(object):
“”"
启动write_cookie.py 和 解析cookie文件,
“”"
def init(self, outfile):
self.outfile = outfile
def parse_cookie(self):
“”"
解析cookie
:return: appmsg_token, biz, cookie_str·
“”"
f = open(self.outfile)
lines = f.readlines()
appmsg_token_string = re.findall(“appmsg_token.+?&”, lines[0])
biz_string = re.findall(‘__biz.+?&’, lines[0])
appmsg_token = appmsg_token_string[0].split(“=”)[1][:-1]
biz = biz_string[0].split(“__biz=”)[1][:-1]
cookie_str = ‘; ‘.join(lines[1][15:-2].split(’], [’)).replace(‘’‘,’‘).replace(’, ', ‘=’)
return appmsg_token, biz, cookie_str
def write_cookie(self):
“”"
启动 write_cookie。py
:return:
“”"
#当前文件路径
path = os.path.split(os.path.realpath(file))[0]
mitmdump -s 执行脚本 -w 保存到文件 本命令
command = “mitmdump -s {}/write_cookie.py -w {} mp.weixin.qq.com/mp/getappmsgext”.format(
path, self.outfile)
os.system(command)
if name == ‘main’:
rc = ReadCookie(‘cookie.txt’)
rc.write_cookie()
appmsg_token, biz, cookie_str = rc.parse_cookie()
print(“appmsg_token:” + appmsg_token , “\nbiz:” + biz, “\ncookie:”+cookie_str)
示例结果
cookie.txt 文件内容解析后
appmsg_token:1068_av3JWyDn2XCS2fwFj3ICCnwArRb2kU4Y5Y5m9Z9NkWoCOszl3a-YHFfBkAguUlYQJi2dWo83AQT4FsNK
biz:MzU1NDk2MzQyNg==
cookie:rewardsn=; wxtokenkey=777; wxuin=1681274216; devicetype=android-29; version=27001037; lang=zh_CN; pass_ticket=H9Osk2CMhrlH34mQ3w2PLv/RAVoiDxweAdyGh/Woa1qwGy2jGATJ6hhg7syTQ9nk; wap_sid2=COjq2KEGEnBPTHRVOHlYV2U4dnRqaWZqRXBqaWktTHpUSEJnTTdhU0hVZTEtZXpZZEY4a3lNY29zc0VZeEFvLS01YmJRRnQ5eFRmR2dOY29nUWdKSTRVWG13WE1obGs1blhQcVh0V18tRnBSRnVlc1VhOHNCQUFBMPeIjfgFOA1AAQ==
ReadCookie 模块可以自动获取到 appmsg_token 和 cookie,将它们当作参数一样传递到 Articles 模块中,就能解放双手再也不要复制黏贴 appmsg_token 和 cookie 了,只要在 appmsg_token 过期时刷新一下公众号文章就可以了,省心又省时
在公众号历史消息界面将屏幕向上滑动,每次都可以加载 10 条历史消息,盲猜这个翻页就是批量抓取的请求链接,用 MitmProxy 的 WEBUI 界面在 Response 面板查找一下,找到一个是 https://mp. weixin.qq.com/mp/profile_ext?action=getmsg&__biz=MzU1NDk2MzQyNg==&f=json&offset=10&count=10… 的链接,它的响应返回值中有多个文章标题,再看这个链接上有 offset=10&count=10 参数,一看就是翻页偏移量和每页显示的条数,就它了
在链接中比较重要的参数有:__biz、offset、pass_ticket、appmsg_token ,这些数据都可以在 cookie 和 appmsg_token 中得到。
utils.py
工具模块,将字符串变成字典
def str_to_dict(s, join_symbol=“\n”, split_symbol=“:”):
s_list = s.split(join_symbol)
data = dict()
for item in s_list:
item = item.strip()
if item:
k, v = item.split(split_symbol, 1)
data[k] = v.strip()
return data
import os
import requests
import json
import urllib3
import utils
class WxCrawler(object):
“”“翻页内容抓取”“”
urllib3.disable_warnings()
def init(self, appmsg_token, biz, cookie, begin_page_index = 0, end_page_index = 100):
起始页数
self.begin_page_index = begin_page_index
结束页数
self.end_page_index = end_page_index
抓了多少条了
self.num = 1
self.appmsg_token = appmsg_token
self.biz = biz
self.headers = {
“User-Agent”: “Mozilla/5.0 AppleWebKit/537.36 (KHTML, like Gecko) Version/4.0Chrome/57.0.2987.132 MQQBrowser/6.2 Mobile”,
“Cookie”: cookie
}
self.cookie = cookie
def article_list(self, context):
articles = json.loads(context).get(‘general_msg_list’)
return json.loads(articles)
def run(self):
翻页地址
page_url = “https://mp. weixin.qq.com/mp/profile_ext?action=getmsg&__biz={}&f=json&offset={}&count=10&is_ok=1&scene=&uin=777&key=777&pass_ticket={}&wxtoken=&appmsg_token=” + self.appmsg_token + “&x5=0f=json”
将 cookie 字典化
wx_dict = utils.str_to_dict(self.cookie, join_symbol=‘; ‘, split_symbol=’=’)
请求地址
response = requests.get(page_url.format(self.biz, self.begin_page_index * 10, wx_dict[‘pass_ticket’]), headers=self.headers, verify=False)
将文章列表字典化
articles = self.article_list(response.text)
for a in articles[‘list’]:
公众号中主条
if ‘app_msg_ext_info’ in a.keys() and ‘’ != a.get(‘app_msg_ext_info’).get(‘content_url’, ‘’):
print(str(self.num) + “条”, a.get(‘app_msg_ext_info’).get(‘title’), a.get(‘app_msg_ext_info’).get(‘content_url’))
公众号中副条
if ‘app_msg_ext_info’ in a.keys():
for m in a.get(‘app_msg_ext_info’).get(‘multi_app_msg_item_list’, []):
print(str(self.num) + “条”, m.get(‘title’), a.get(‘content_url’))
self.num = self.num + 1
self.is_exit_or_continue()
递归调用
self.run()
def is_exit_or_continue(self):
self.begin_page_index = self.begin_page_index + 1
if self.begin_page_index > self.end_page_index:
os.exit()
最后用自动化cookie启动程序后刷新公众号文章
from read_cookie import ReadCookie
from wxCrawler import WxCrawler
“”“程序启动类”""ss
if name == ‘main’:
cookie = ReadCookie(‘E:/python/cookie.txt’)
cookie.write_cookie()
appmsg_token, biz, cookie_str = cookie.parse_cookie()
wx = WxCrawler(appmsg_token, biz, cookie_str)
wx.run()
最后
不知道你们用的什么环境,我一般都是用的Python3.6环境和pycharm解释器,没有软件,或者没有资料,没人解答问题,都可以免费领取(包括今天的代码),过几天我还会做个视频教程出来,有需要也可以领取~
给大家准备的学习资料包括但不限于:
Python 环境、pycharm编辑器/永久激活/翻译插件
python 零基础视频教程
Python 界面开发实战教程
Python 爬虫实战教程
Python 数据分析实战教程
python 游戏开发实战教程
Python 电子书100本
Python 学习路线规划
网上学习资料一大堆,但如果学到的知识不成体系,遇到问题时只是浅尝辄止,不再深入研究,那么很难做到真正的技术提升。
一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!