2019-06-04--Python爬取微信公众号准备01-认识url参数 2019-06-04--Python爬取微信公众号

原文地址：https://blog.csdn.net/sinat_37967865/article/details/84876509
第一部分：微信公众号历史文章API组成
https://mp.weixin.qq.com/mp/profile_ext?action=getmsg&__biz=MjM5MjAxNDM4MA==&f=json&offset=11&count=10&is_ok=1&scene=126&uin=777&key=777&pass_ticket=YDiylNY2QnOm5HbjBMJo%2Bve%2FatcYQxoOv9xbGY9iUcA%3D&wxtoken=&appmsg_token=1011_nUKMLgDnWR04QfLVBwEgr84cDigLB3JKm8p-NQ~~&x5=0&f=json HTTP/1.1
【2019-06-04--Python爬取微信公众号准备01-认识url参数】以下介绍几个主要参数：

__biz：相当于是当前公众号的id(唯一固定标志)
offset：文章数据接口请求偏移量标志(从0开始)，每次返回的json数据中会有下一次请求的offset，这里一般是按10递增的
count：每次请求的数据量(亲测最多可以是10) ，所以可以固定为10
pass_ticket：可以理解是请求票据，而且隔一段时间后(大概几个小时)就会过期，失效后都需要重新抓包替换
appmsg_token：同样理解为非固定有过期策略的票据，失效后都需要重新抓包替换

第二部分：微信公众号访问的cookie组成：
访问微信公众号历史文章，我们是需要登录的，我们可以通过构建cookie去跳过登录过程
通过访问微信公众号文章，我们通过Fiddler抓包可以看到cookie的相关信息

文章图片
image.png
（我的wxuin竟然是0.估计是出错了吧？？？）
其中pass_ticket和wap_sid2不是固定的，经常有变化，失效了都需要重新抓包，而其他wxtokenkey，wxuin，devicetype，version等只要微信号不变，登录设备不变都不会改变。
第三部分：微信公众号图文消息的链接组成
微信公众帐号群发的图文消息一般情况下是在微信公众平台上编辑和产生的。
我们先从比较有名的公众号“逻辑思维”的图文消息看看一篇图文消息链接的组成元素:
逻辑思维有一篇每天60秒的文章【罗胖60秒：一个“智慧系统”是什么样的？】，在微信打开通过浏览器查看到链接
http://mp.weixin.qq.com/s?__biz=MjM5NjAxOTU4MA==&mid=3009217237&idx=2&sn=881c0a758a43348e2e7602110862f6ec&chksm=90460ec6a73187d00ebc007b1429609573ca42b9ef1dd74d860b4716f04b63661b15cbee2c6b&mpshare=1&scene=23&srcid=1202m2DVBW8OubvaR1DcXF0a#rd
上面链接中的参数有__biz，mid，idx，sn，chksm，mpshare，scene和srcid
其实主要参数只有__biz，mid，idx和sn四个参数，而这四个参数能唯一确定一篇微信公众平台的图文消息，所以以下链接就可以访问文章
https://mp.weixin.qq.com/s?__biz=MjM5NjAxOTU4MA==&mid=3009217237&idx=2&sn=881c0a758a43348e2e7602110862f6ec
这四个参数的含义是：
__biz可以认为是微信公众平台对外公布的公众帐号的唯一id，而这个__biz参数能用来生成公众帐号的二维码
mid是图文消息id，每篇文章这个消息id都唯一
idx是发布的第几条消息(1就代表是头条位置消息，2代表第二条)
sn是一个随机加密串(对于一篇图文消息是唯一的，如果你想问这个sn的生成规则是什么或者怎么破解，你基本上只能从微信公众平台开发团队才能得到答案)
另外，对于除了__biz之外的三个参数，mid/idx/sn 可以分别写成 appmsgid/itemidx/sign，比如还是之前文章，用如下链接一样可以访问到:
https://mp.weixin.qq.com/s?__biz=MjM5NjAxOTU4MA==&appmsgid=3009217237&itemidx=2&sign=881c0a758a43348e2e7602110862f6ec
其实在早期，只需要__biz, mid和idx三个参数即可确定一篇微信公众平台的图文消息，微信后来增加一个参数sn(sign)，这样做的原因是:
微信公众平台的图文消息首先在后台保存为了一篇素材才能发布，而这个素材也会生成一个链接，在早期这个素材的链接就是后来要发布的文章的链接，而从上面这篇文章的链接你能猜出来，只需要改变mid(图文消息id)这个值，比如这篇文章的mid是10000382，对这个数字加上1或者2就极有可能是下一篇图文消息或者素材的链接，这样用户就有可能提前阅读到公众帐号已经写好并保存但还没群发的素材了。
所以分布文章时会加上一个随机生成的参数sn，确保文章无法被知道。