爬取微信公众号
作者:互联网
技术准备
HttpClient
Java比较常用的发起请求的工具,功能有:
- 方便的发起get、post等请求
- 可以设置连接池(类似线程池),使用池化思想降低频繁创建连接的开销
- 可以自己编写代码设置多线程爬取
- ...
代码模板
public static void main(String[] args) throws Exception {
CloseableHttpClient httpClient = HttpClients.createDefault();
URIBuilder uriBuilder = new URIBuilder("https://mp.weixin.qq.com/cgi-bin/bizlogin");
HttpPost httpPost = new HttpPost(uriBuilder.build());
httpPost.addHeader("User-Agent","Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/98.0.4758.102 Safari/537.36");
List<NameValuePair> params = new ArrayList<>();
params.add(new BasicNameValuePair("action","startlogin"));
UrlEncodedFormEntity formEntity = new UrlEncodedFormEntity(params,"utf8");
httpPost.setEntity(formEntity);
CloseableHttpResponse response = null;
try {
response = httpClient.execute(httpPost);
if(response.getStatusLine().getStatusCode() == 200){
String content = EntityUtils.toString(response.getEntity(),"utf8");
System.out.println(content);
}
}catch (IOException e){
e.printStackTrace();
}finally {
try {
response.close();
} catch (IOException e) {
e.printStackTrace();
}
try {
httpClient.close();
} catch (IOException e) {
e.printStackTrace();
}
}
}
以上是post请求的代码模板,get等其他请求也差不太多,将HttpPost换成HttpGet就行了
Jsoup
一个html解析工具,可以在后台很方便的像jquery一样以标签、类、属性选择器的方式,获取指定的html标签下的文本内容。
微信公众平台
爬取方法
一般爬取的接口是搜狗微信、或者是微信公众平台,这里使用的是微信公众平台
- 登录微信公众平台
- 选择草稿箱->新的创作
- 选择链接->其他公众号
- 选择公众号名称或者公众号id,就可以看到该公众号下的内容了
- filder进行抓包,找到该接口,使用该接口就可以抓取公众号内容
自动登录
动机:因为cookie过三天就会过期,每次都需要人工重新登录,想试试可不可以自动登录
想法:filder抓取账号密码登录接口,cookie过期就使用账号密码重新登录一下,填充新的cookie
实践
抓取到登录接口是这个:https://mp.weixin.qq.com/cgi-bin/bizlogin?action=startlogin&username=sdf&pwd=1234&imgcode&token
编写代码尝试登录,发现还是会跳转到扫码登录,也就是说扫码登录是绕不开的。
因此看了一下扫码登录的流程,和OAuth2授权过程很像。其中必须要用到手机端进行扫码,因此无法实现完全自动化。
扫码登录流程
- 页面上会出现二维码,微信服务器会一直用长连接或者轮询判断二维码是否被扫描
- 二维码被扫描,微信服务器会接收到扫描请求,向公众号平台服务器发送手机确认请求
- 微信公众号平台服务器向手机发送确认请求
- 手机确认授权,网页得到token,跳转登录成功
抓包展示
参考
标签:扫码,登录,微信,爬取,公众,new,response 来源: https://www.cnblogs.com/andandan/p/16067373.html