基于Python采集爬取微信公眾號歷史數(shù)據(jù)

更新時間：2020年11月27日 09:22:47 作者：天寶老爹

這篇文章主要介紹了基于Python采集爬取微信公眾號歷史數(shù)據(jù),文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值,需要的朋友可以參考下

鯤之鵬的技術(shù)人員將在本文介紹一種通過模擬操作微信App的方式采集指定公眾號的所有歷史數(shù)據(jù)的方法。

通過我們抓包分析發(fā)現(xiàn)，微信公眾號的歷史數(shù)據(jù)是通過HTTP協(xié)議加載的，對應的API接口如下圖所示，其中有四個關(guān)鍵參數(shù)（__biz、appmsg_token、pass_ticket以及Cookie）。

為了能夠拿到這四個參數(shù)，我們需要模擬操作App，讓其產(chǎn)生這些參數(shù)，然后我們再抓包獲取。對于模擬App操作，前面我們曾介紹過通過Python模擬安卓App的方法(詳見http://www.site-digger.com/html/articles/20180912/664.html)。對于HTTP集成抓包，前面我們曾介紹過Mitmproxy（詳見http://www.site-digger.com/html/articles/20181109/682.html）。

我們需要模擬操作微信完成如下步驟：

1. 啟動微信App

2. 點擊"通訊錄"

3. 點擊"公眾號"

4. 點擊要采集的公眾號

5. 點擊右上角的用戶圖像圖標

6. 點擊"全部消息"

此時，我們可以從https://mp.weixin.qq.com/mp/profile_ext?action=home的應答數(shù)據(jù)中捕獲__biz、appmsg_token以及pass_ticket三個關(guān)鍵參數(shù)，以及請求頭中的Cookie值。如下圖所示。

有了上述四個參數(shù)，我們就可以構(gòu)造出獲取歷史文章列表的API請求，通過調(diào)用API接口直接獲取數(shù)據(jù)（不需要再模擬App操作）。核心參數(shù)如下所示，通過改變offset參數(shù)，可以拿到所有歷史數(shù)據(jù)。

# Cookie 
headers = {'Cookie': 'rewardsn=; wxtokenkey=777; wxuin=584068438; devicetype=android-19; version=26060736; lang=zh_CN; pass_ticket=Rr8cO5c2******3tKGqe7aVZzV9TupvrK+1uHHmHYQGL2WFdKIE; wap_sid2=COKhxu4KElxckFZQ3QzTHU4WThEUk0zcWdrZjhGcUdYdEVSV3Y1X2NPWHNUakRrd1ZzMnpLTERpdE5rbmxjSTg******dlRBcUNRazZpOGxTZUVEQUTgNQJVO'} 
 
url = 'https://mp.weixin.qq.com/mp/profile_ext?' 
data = {} 
data['is_ok'] = '1' 
data['count'] = '10' 
data['wxtoken'] = '' 
data['f'] = 'json' 
data['scene'] = '124' 
data['uin'] = '777' 
data['key'] = '777' 
data['offset'] = '0' 
data['action'] = 'getmsg' 
data['x5'] = '0' 
# 下面三個參數(shù)需要替換 
# https://mp.weixin.qq.com/mp/profile_ext?action=home應答數(shù)據(jù)里會暴漏這三個參數(shù) 
data['__biz'] = 'MjM5MzQyOTM1OQ==' 
data['appmsg_token'] = '993_V8%2BEmfVD7g%2FvMZ****4DNUJNFkg~~' 
data['pass_ticket'] = 'Rr8cO5c23ZngeQHRGy8E7gv*****pvrK+1uHHmHYQGL2WFdKIE' 
url = url + urllib.urlencode(data)

以"數(shù)字工廠"這個微信公眾號為例，采集過程運行截圖如下所示：