aardio爬虫) 实战篇：采集自己的公众号粉丝列表

话不投机半句多

前言

只有自己封装库的时候，才知道造轮子有多累。之前使用Python的时候，基本都只需要import，随便哪个功能都有人写好轮子用。不过造轮子也有好处，可以了解一些比较基础的知识。
其实aardio也有很多已经造好的轮子可以用，只是因为只有作者在维护，而且没有一个活跃的社区，所以很多方面有些缺失，比如爬虫方面。但是aardio写一些小工具确实很方便，打包成exe也比较小，所以我来造这个轮子。
文中使用到的aardio库都可以到github下载：https://github.com/kanadeblisst00/aardio-extlibs
需求说明

之前写的一个视频号下载工具为了给公众号涨粉，对接了公众号后台，需要给后台发送消息获取使用码才能使用。开始使用码有效期是一天，后面改成了七天。
但有些人还是觉得有点麻烦，想让我弄成永久。我就怕改成永久后，很多人白嫖完就取关了，那对我也没什么好处。所以想用每个人的openid作为永久使用码，只要填一次，软件启动时会连接我的服务器验证这个openid对应的用户有没有取关。
这样对于用户而言就不需要去公众号后台发送消息这一步骤，可以省点事。不过这对我而言倒是增加了不少工作量。那首先需要一个获取公众号粉丝的openid列表的程序。
功能介绍

虽然微信公众平台开放了API，但是很多接口订阅号都用不了，比如获取粉丝列表，不过我们可以在后台看到，那用爬虫也能实现。下面是大概的界面内容：

界面只会显示当前页的内容，如果想看全部的数据，可以到当前文件夹下的公众号粉丝.csv里查看。采集的所有数据都会保存到里面（注意：如果还在采集你就打开的话，采集程序将无法保存到里面而失败）
打包后的程序也很小，只有2M多。如果用upx压缩一下会更小，但是压缩后更容易报毒，所以我现在基本都不压缩了。

开源地址

代码是完全开源的，你可以在github下载。如果需要编译好的软件可以公众号后台发送获取粉丝列表
https://github.com/kanadeblisst00/CrawlBizUsers
采集思路

微信公众平台后台的接口都没有加密，只要抓个包就能请求，

用我封装好的kirequests库请求如下：

1. import kirequests
3. headers = {
4.     "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/124.0.0.0 Safari/537.36 Edg/124.0.0.0"
5. }
6. var session = kirequests.session(headers,,cookies);
7. var url = "https://mp.weixin.qq.com/cgi-bin/user_tag"
8. var params = {
9.         "action": "get_user_list",
10.         "groupid": -2,
11.         "limit": 20,
12.         "offset": 0,
13.         "token": token,
14.         "lang": "zh_CN",
15.         "f": "json",
16.         "backfoward": 1,
17.         "ajax": 1,
18.         "random": "0." + ..string.random(16, "0123456789"),
19.         "begin_openid": "xxxxxxxxxx",
20.         "begin_create_time": 11111
21. }
22. var resp = session.get(url,params);
23. var datas = resp.json()

复制代码

获取cookies

采集比较麻烦的是cookies的获取方式。看一些项目获取cookies的基本都是让用户自己填，有的方便一点的会自动获取浏览器的cookies。
如果让用户自己填的话会提高使用门槛，如果获取用户浏览器的cookies又比较麻烦，Python有现成的库可以做到，aardio还要自己实现，而且获取用户cookies这种也比较敏感。
所以我这里直接开一个浏览器，然后访问微信公众平台的登录页面，让用户扫码登录，然后获取cookies后自动关闭浏览器，开始采集。这样用户只需要一个扫码的过程。
开启浏览器

aardio中开启浏览器有非常多种方式，具体可以看范例-》Web界面：

这里我选择web.view来做，这个比较轻量(因为用的系统API，类似安卓的Via那种模式)，它是基于微软的WebView2，win10和win11系统基本都自带了这个东西。后面我要实现的浏览器驱动程序(类似Python的drissionpage)也是用的这个来实现。

1. import web.view;
3. var webView = web.view(winform);
4. var url = "https://mp.weixin.qq.com";
5. webView.go(url);

复制代码

如果是已经登录的请求，url会跳转到https://mp.weixin.qq.com/cgi-bin/home，所以这里只需要循环判断一下链接有没有变成这个

1. var doJavasciptCode = function(webView, code){
2.         var jscode = "(function(){"+code+'\n})()';
3.         var result;
4.         webView.doScript(jscode, function(r){
5.                 result = r;
6.         }
7.         )
8.         while(!result){
9.                 win.delay(10);
10.         }
11.         return result;
12. }
14. var getLoctionHref = function(webView){
15.         return doJavasciptCode(webView, "return document.location.href;");
16. }
17. var curUrl = getLoctionHref(webView);
18. while(!string.find(curUrl, "@https://mp.weixin.qq.com/cgi-bin/home")){
19.         win.delay(500);
20.         curUrl = getLoctionHref(webView);
21. }

复制代码

然后开始获取cookies，获取到的cookies格式是一个数组，数组每个元素都是一个cookie字典，有name、value等字段。直接将它传给kirequests即可，不需要做什么处理

1. var getCookiesArray = function(webView){
2.         var result = webView.cdp("Network.getCookies");
3.         var cookies = result.cookies;
4.         return cookies
5. }
6. var cookies = getCookiesArray(webView);
7. var session = kirequests.session(,,cookies);

复制代码

然后只需要一直翻页就能获取全部的公众号粉丝列表了
清除cookies

如果采集完数据，想要删除webview的cookies，可以删除C:\Users\用户名\AppData\Local\aardio\webview2\user-data下面的文件夹，这个就是webview默认的缓存目录

本文由博客一文多发平台 OpenWrite 发布！

来源:https://www.cnblogs.com/kanadeblisst/p/18165695
免责声明：由于采集信息均来自互联网，如果侵犯了您的权益，请联系我们【E-Mail:cb@itdo.tech】 我们会及时删除侵权内容，谢谢合作！