爬虫|利用Anyproxy爬取微信公众号文章及临时链接转永久链接

一、先说整体的解决方案

1、通过搜狗进行公众号文章的采集,这样获取到的文章URL是一个带时间戳的临时链接。

2、通过安卓模拟器+Anyproxy代理抓包分析微信客户端打开临时链接时与其服务器请求的协议内容,得出永久链接。

3、通过按键精灵模拟或Python脚本在微信号上发送临时链接内容,只有在安卓模拟器上的微信号上发送了内容,Anyproxy代理才能抓取到相关的包内容。

二、再说具体的解决方案,主要是第2点

1、通过搜狗进行公众号文章的采集,这样获取到的文章URL是一个带时间戳的临时链接。在用这个做数据采集时,经常会出现“请输入验证码”。我尝试用IP代理池,但目前尚未找到可以避免或叫解决这个问题的IP代理服务器。我这块的处理方式是用动态IP VPS服务解决。具体的解决步骤我这块就不细讲啦,因为这个不是本文章的重点。

2、通过安卓模拟器+Anyproxy代理抓包分析微信客户端打开临时链接时与其服务器请求的协议内容,得出永久链接。我用的是win10系统。

1)一个微信客户端:下载一个安卓模拟器,在这个模拟器上安装一个微信app。

2)一个微信个人号:为了采集内容不仅需要微信客户端,还要有一个微信个人号专门用于发送临时链接。

3)本地代理服务器系统:使用的方法是通过Anyproxy代理服务器将临时链接和永久链接发送到我们自己的服务器上进行替换。具体安装设置方法在后面详细介绍。

我使用的是Anyproxy这个软件的特点是可以获取到https链接的内容。在2016年年初的时候微信公众号和微信文章开始使用https链接。并且Anyproxy可以通过修改rule向服务器发送请求。下面开始介绍安装与配置过程。 1、安装NodeJS 2、在命令行或者终端运行 npm install -g anyproxy 3、生成RootCA,https需要这个证书:运行命令anyproxy --root 4、启动anyproxy运行命令:win+R打开运行,输入anyproxy -i;参数-i是解析HTTPS的意思; 5、安装证书,在安卓模拟器中安装证书:启动anyproxy,浏览器打开http://localhost:8002/fetchCrtFile能获取rootCA.crt文件 6、设置代理:安卓模拟器的代理服务器地址是wifi链接的网关,可以通过把dhcp设置为静态后看到网关地址,看完后别忘了再设置为自动。代理服务器默认端口是8001。

检测是否成功方法:打开模拟器上的微信,点击到任意一个文章中,在终端都可以看到响应的代码滚动。如果没有出现,请检查手机的代理设置是否正确。我下面的截图是打开浏览器地址http://localhost:8002看到anyproxy的web界面。

我在微信app上打开的是文章的临时链接,通过协议分析可以知道永久链接是重定向到302时的location中。

4)修改Anyproxy文件rule_default.js,获取抓包中的协议内容。

rule_default.js文件在*\node_modules\anyproxy\lib\rule_default.js中,找到replaceServerResDataAsync: function(req,res,serverResData,callback) 函数,修改函数内容,劫取需要的内容。因为我只需要劫取返回为302的code内容,所以我只有当statusCode==302时才callback。

找到replaceResponseHeader: function(req,res,header)函数,修改函数内容。获取永久链接,调用我在服务器写好的http接口,我这边接口只有两个参数:临时链接和永久链接,根据临时链接增加永久链接。

好,到目前为止,通过使用Anyproxy把临时链接转永久链接的功能介绍完成啦。

PS:使用Anyproxy可以直接获取微信公众号的全部文章(永久链接),包括点赞数,阅读数之类的信息。这样的话可以不用使用搜狗。不过这里会有些问题,微信会封你在做这个事情的微信个人号,所以我采取的是使用搜狗爬文章(急),再利用Anyproxy在临时链接有效时间内更新为永久链接。

3、通过按键精灵模拟在微信app上点击临时链接,或者也可以通过python脚本模拟。这块我正在编写,等完成之后再更新上来。

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏玩转JavaEE

IntelliJ IDEA中创建Web聚合项目(Maven多模块项目)

Eclipse用多了,IntelliJ中创建Maven聚合项目可能有小伙伴还不太熟悉,我们今天就来看看。 IntelliJ中创建普通的Java聚合项目相对来说比...

1.2K9
来自专栏吾爱乐享

解决wordpress更换域名后台无法打开

2554
来自专栏Android学习之路

使用github+hexo 搭建个人博客

19810
来自专栏白驹过隙

Samba - 文件共享服务器的搭建和配置

46414
来自专栏君赏技术博客

一键替换key的使用教程

1993
来自专栏魏艾斯博客www.vpsss.net

WordPress 手动升级更新方法

2804
来自专栏北京马哥教育

只需五步,完美利用命令行工具创建LinuxMac系统下的网站备份

创建网站备份应该是一个网站管理员最为重要的日常工作之一。但现实情况是,备份这一步往往被很多人忽略,也就是说仍然有很多网管的网站安全意识较低。 所有的Linux/...

4539
来自专栏古时的风筝

Django集成百度富文本编辑器uEditor

UEditor是由百度web前端研发部开发所见即所得富文本web编辑器,具有轻量,可定制,注重用户体验等特点,开源基于MIT协议,允许自由使用和修改代码。 首先...

4779
来自专栏cnblogs

中后端管理系统前后分离、前端框架的实现拙见

一、实现思路 在实践中后台管理系统的前后端分离时,往往会因为业务量的增加使其前端项目难以维护,以及打包时间不理想,还有业务系统与框架之间区分不在明显。本文是本人...

2239
来自专栏张泽旭的专栏

Applet小应用程序之间的通讯

1、 首先解压:如何运行applet.zip文件,解压后如图

783

扫码关注云+社区

领取腾讯云代金券