目录
前言
本文的文字及图片来源于网络,仅供学习、交流使用,不具有任何商业用途,版权归原作者所有,如有问题请及时联系我们以作处理。
作者：某某白米饭
PS：如有需要Python学习资料的小伙伴可以加点击下方链接自行获取
送资料python学习群：⑹⑨⑸①⑻⑤⑷②⑼，先：到ā先「得←
某天接到一个需要抓取某某公众的所有历史文章的阅读数、点赞和再看数据的需求。
为了解放双手，就用 Python 代码撸一个，选择 MitmProxy 代理作为抓包工具，因为它可以使用 Python 代码监听抓取到的 url，用于自动获取 cookie 等场景。
什么是 MitmProxy
mitmproxy 是一个支持 HTTP 和 HTTPS 的抓包程序，有类似 Fiddler 的功能。
mitmproxy 还有两个关联组件。一个是 mitmdumvp，它是 mitmproxyv 的命令行接口，可以利用 Python 代码监听请求。另一个是 mitmweb，它是一个 Web 程序，可以观察 mitmproxy 抓取的请求。
安装和设置
使用 pip 安装
pip install mitmproxy安装好之后，将手机端的代理 IP 设置为和 PC 的 IP 地址一样，和代理端口设置为：8080，用下面命令启动
mitmweb将看到浏览器打开了一个 :8081/#/flows 网页，这个就是 MitmProxy 的 web 控制台
在手机端浏览器输入 mitm.im 获取 PC 证书 和手机端的证书，都安装一下
注意：android 手机在安装证书时需要在[从存储设备安装]界面安装
阅读数、再看、点赞抓取
当安装好证书和设置好手机端 IP 代理后，随便点击一篇文章（这里使用本公众）
从图上可以看到，阅读、再看、点赞的 url 为.. . com/mp/getappmsgext（提示：如果没有这个链接，可以右上角刷新文章），再看下它的 request 请求需要哪些东西
只需要一个文章 url、user-agent、cookie 和 body 这四个基本的数据，别看下面 body 里面有二三十个数据其实都是吓唬人的，只需要其中7个，分别是 __biz， mid， idx，sn 这四个参数是获取文章内容的基石，可以在文章 url 处获得。其他三个参数的数据是固定的分别是 is_only_read = 1，is_temp_url = 0，appmsg_type = 9。getappmsgext 请求中的 appmsg_token 是一个有时效性的参数。
分析完链接后就可以写代码了
import html import requests import utils from urllib.parse import urlsplit class Articles(object): """文章信息""" def __init__(self， appmsg_token， cookie): # 具有时效性 self.appmsg_token = appmsg_token self.headers = { "User-Agent": "Mozilla/5.0 AppleWebKit/537.36 (KHTML， like Gecko) Version/4.0Chrome/57.0.2987.132 MBrowser/6.2 Mobile"， "Cookie": cookie } self.data = { "is_only_read": "1"， "is_temp_url": "0"， "appmsg_type": "9"， } def read_like_nums(self， article_url): """获取数据""" appmsgstat = self.get_appmsgext(article_url)["appmsgstat"] return appmsgstat["read_num"]， appmsgstat["old_like_num"]， appmsgstat["like_num"] def get_params(self， article_url): """ 获取到文章url上的请求参数 :param article_url: 文章 url :return: """ # url转义处理 article_url = html.unescape(article_url) """获取文章链接的参数""" url_params = utils.str_to_dict(urlsplit(article_url).query， "&"， "=") return url_params def get_appmsgext(self， article_url): """ 请求阅读数 :param article_url: 文章 url :return: """ url_params = self.get_params(article_url) appmsgext_url = ". ..com/mp/getappmsgext?appmsg_token={}&x5=0".format(self.appmsg_token) self.data.update(url_params) appmsgext_json = requests.post( appmsgext_url， headers=self.headers， data=self.data).json() if "appmsgstat" not in appmsgext_json.keys(): raise Exception(appmsgext_json) return appmsgext_json if __name__ == __main__: info = Articles(1068_XQoMoGGBYG8Tf8k23jfdBr2H_LNekAAlDDUe2aG13TN2fer8xOSMyrLV6s-yWESt8qg5I2fJr1r9n5Y5， rewardsn=; tokenkey=777; uin=; devicetype=android-29; version=; lang=zh_CN; pass_ticket=H9Osk2CMhrlH34mQ3w2PLv/RAVoiDxweAdyGh/Woa1qwGy2jGATJ6hhg7syTQ9nk; wap_sid2=COjq2KEGEnBPTHRVOHlYV2U4dnRqaWZqRXBqaWl3Xy1saXVWYllIVjAzdlM1VkNDNHgxeWpHOG9pckdkREMwTFEwYmNWMl9FZWtRU3pRRnhDS0pyV1BaZUVMN1ZWN0WnZ6aHFXdVBnbVhTY21BYnBSUXNCQUFBMLLAjfgFOA1AAQ==) a， b，c = info.read_like_nums( ..com/s?__biz=MzU1NDk2MzQyNg==&mid=&idx=1&sn=c3a47f4bf72b1ca85ce0c190&chksm=fbdad3a3ccad5ab55f6ef1f4d5b8f97887b4a344c67f9186d5802ade582aac6429a91c&scene=27#wechat_redirect) print(a， b， c)示例结果
# 阅读数 点赞数 再看数 1561 23 18动态获取 cookie 和 appmsg_token
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 . ..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...com/mp/getappmsgext监听脚本
import urllib import sys from mitmproxy import http # command: mitmdump -s write_cookie.py -w outfile mp...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. ..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...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=; tokenkey=777; uin=; devicetype=android-29; version=; 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 过期时刷新一下文章就可以了，省心又省时
批量抓取
在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 . ..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 Crawler(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 MBrowser/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 = ". ..com/mp/profile_ext?action=getmsg&__biz={}&f=json&offset={}&count=10&is_ok=1&scene=&uin=777&key=777&pass_ticket={}&token=&appmsg_token=" + self.appmsg_token + "&x5=0f=json" # 将 cookie 字典化 _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， _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]: # 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)) # 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启动程序后刷新文章
from read_cookie import ReadCookie from Crawler import Crawler """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() = Crawler(appmsg_token， biz， cookie_str) .run()示例结果
总结
虽然本文可能有那么一点点一点点的标题党，并没有完全的自动抓取数据，还需要人为的刷新一下文章。希望小伙伴们不要介意哈。