本周日【珠海源创会】一起聊聊:PingCAP分布式事务、支付宝移动端实践、GSBN技术框架选型,点此报名占座

zsyoung / AnyProxy微信

0 Watch 2 Star 16 Fork 7
加入码云
与超过 300 万 开发者一起发现、参与优秀开源项目,私有仓库也完全免费 :)
免费加入
覆盖掉lib 目录中对应的文件即可。(建议先备份) ./anyproxy ./lib myRule.js rule_default.js 1.png requestHandler.js httpsServerMgr.js sql文件可以直接在navicat中运行 展开 收起

zsyoung 最后提交于 getPort.js
取消
提示: 由于 Git 不支持空文件夾,创建文件夹后会生成空的 .keep 文件
Loading...
README.md

使用AnyProxy自动抓取微信公众号数据-包括阅读数和点赞数

目录

[TOC]

准备工作:

  • 安装node.js
  • 安装AnyProxy代理服务器
  • 使用我提供的sql文件和js代码

原理图

AnyProxy原理图

1.安装Node.js

去Node.js 官网下载对应操作系统的安装包,然后按照默认步骤安装至电脑中。

下载地址:http://nodejs.cn/download/

安装好之后,打开终端或命令行运行输入下面代码,检查是否安装成功,如果成功,会输出当前Node 版本号。

node -v

##2.安装AnyProxy 代理服务器 命令行或终端输入以下命令,表示全局安装AnyProxy 程序包:

npm install -g anyproxy

如果是Mac 系统,可能需要在命令前添加sudo ,然后输入密码:

sudo npm install -g anyproxy

输入以上命令后,电脑会自动从网络下载程序包并安装。

参考网址:https://github.com/alibaba/anyproxy

##3. 启动AnyProxy 终端输入:

anyproxy

Mac 系统需输入(以后的命令也是需要输入sudo ,下面就忽略不写了):

sudo anyproxy

如出现下面提示,则表明安装成功:

启动AnyProxy

##4. 安装HTTPS 网络传输所需的证书

####电脑安装

微信采用加密的HTTPS 网络传输,所以需要安装证书。结束上面的运行程序,一般为ctrl + c 。然后在终端运行命令:

anyproxy --root

此时会在文件夹生成rootCA.crt 证书与对应的密钥rootCA.key,根据提示打开对应文件夹,双击安装rootCA.crt 证书。

####手机安装

电脑命令行或终端输入下面命令启动代理程序:

anyproxy

然后浏览器中输入网址http://localhost:8002/qr_root,则会出现证书二维码,然后手机扫描此证书二维码,下载按照提示完成安装即可。

参考网址1:http://anyproxy.io/cn/

####安装mysql 模块部分

默认你的电脑上已经安装了mysql 数据库,现在node 连接mysql 数据库,也需要安装一个程序包来实现:

npm install -g mysql

##5.程序部分 ####程序地址

windows 程序AnyProxy 默认的安装目录在:

C:\Users\你的用户名\AppData\Roaming\npm\node_modules\anyproxy

Mac 安装目录为:

/usr/local/lib/node_modules/anyproxy

本程序为修改和增加AnyProxy 中lib 文件中对应的代码部分。

####代码部分

文章末尾获取下面5个文件,你只需覆盖掉lib 目录中对应的文件即可。(建议先备份)

./anyproxy
  ./lib
     myRule.js
     rule_default.js
     1.png
     requestHandler.js
     httpsServerMgr.js
  • 其中逻辑部分主要写在myRule.js文件中,此文件已做了详细的注释

  • rule_default.js是判断各种网络请求数据然后调用对应的方法

  • 1.png为很小的一个图片,替换手机所有图片请求,加快网络传输速度

  • 其余两个文件是注释掉了之前在终端打印的一些提示性的字符,不重要

####运行程序部分

anyproxy -i

终端输入以上命令即可运行。参数-i 表示开启HTTPS

可操作myRule.js 文件,选择对应的功能。修改文件后,需重启程序。

运行后,确保电脑和手机在同一个WiFi 环境下,然后根据提示设置手机WiFi 的代理,输入代理网址与端口(运行后终端会提示连接地址)。

下面是我的设置,手机的代理服务器设置为手动,代理主机名应和电脑IP相同,代理服务器端口为8001: 这里写图片描述

之后选择查看公众号文章,即可自动抓取数据至数据库中。

####myRule.js 代码主要部分

三个主要函数:

getProfile - 对历史页的操作,获取文章其他数据;插入自动翻页代码 getReadAndLikeNum - 获取文章点赞、阅读、打赏等数据 insertJsForRefresh - 对文章页的操作,主要是插入自动翻页代码

####代码原理

此程序为事件驱动。即一开始要给定一个触发事件,例如打开微信公众号查看历史消息或打开公众号某篇文章。

微信打开历史消息页之后会触发事件,运行getProfile函数,跳至下一个历史消息页后又会触发打开历史消息页此事件。

同理,微信打开文章页会触发事件运行insertJsForRefresh 函数,此函数会向网页中插入一段脚本自动翻页,当翻页后,又会触发此事件,然后一直运行下去。

同理,打开文章页时,微信会请求另一个链接,然后会自动触发getReadAndLikeNum 函数,获取阅读量和点赞数。

历史消息页有4种插入js 代码的方式,已在代码中注释。

####Js 注入详解

文章页自动翻页原理为在网页head 部分插入类似以下形式代码,表示隔5s 跳转至下一个文章页

<meta http-equiv="refresh" content="5;url=https://..." />

历史消息页注入Js 脚本示例,将以下脚本插入至返回给微信客户端的数据中,可以使网页自动下拉至最低端,到最早一篇文章之后再跳转至下一个历史消息详情页:

<script type="text/javascript">
    var end = document.createElement("p");
    document.body.appendChild(end);
    (function scrollDown(){
        // 下拉至页面最低端后,微信会自动向服务器请求数据
        end.scrollIntoView();
        var loadMore = document.getElementsByClassName("loadmore with_line")[0];
        // 判断是否到达最早一篇文章
        if (!loadMore.style.display) {
            document.body.scrollIntoView();
            // 插入meta,使10秒后自动翻页
            var meta = document.createElement("meta");
            meta.httpEquiv = "refresh";meta.content = "10;url=' + nextProLink + '";
            document.head.appendChild(meta);
        } else {
            // 每个随机时间段下拉网页
            setTimeout(scrollDown,Math.floor(Math.random()*2000+1000));
        }
    })();
</script>

在代码部分中有4个这样类似的脚本,用于实现不同情况下特定的功能。你可在运行时作出选择。 ####数据库部分

myRule.js文件开头会有数据库连接,对应修改成自己的数据库配置。

// 创建数据库连接,需根据自己数据库账号密码修改

var connection = mysql.createConnection({
    host: 'localhost',
    user: 'root',
    password: '0000',
    database: 'phone_weixin'
});

数据库中有4张表,分别对应文章信息,历史消息抓取记录和公众号信息。

msg
history
mpaccout

表的结构也在文章末尾文件中。在mysql 数据库中新建好即可。 ####数据库字段解释

msg.sql
    id  -  文章id,自动递增
    msg_title  -  文章标题
    msg_link  -  文章永久链接
    publish_time  -  文章发布时间,13位时间戳形式
    modi_time  -  数据抓取时间,13位时间戳形式
    read_num  -  阅读量
    like_num  -  点赞量
    reward_total_count  -  安卓手机赞赏量
    msg_idx  -  文章发布位置,首条、二条等等
    msg_biz  -  公众号唯一标识,重要
    msg_source_url  -  文章阅读原文链接,若无则空
    msg_cover  -  文章封面图片链接
    msg_digest  -  文章摘要
    is_fail  -  文章是否删除,如果删除改为1,下次就不在抓取
    copyright_stat  -  文章是否原创标识 11为原创 100为无原创 101为转发
    author  -  文章作者
    
mpaccount.sql
    id  -  公众号id,自动递增
    biz  -  公众号唯一标识
    nickname  -  公众号名称
    metavalue  -  公众号id
    
history.sql
    id  -  公众号id,自动递增
    biz  -  公众号唯一标识
    url  -  上次抓取的链接
    moditime  -  上次抓取时间

文件地址:https://gitee.com/zsyoung01/AnyProxy 博主码云地址:https://git.oschina.net/zsyoung01,欢迎关注!

参考文章: 链接:http://www.jianshu.com/p/13d70a5a244d 因原博主的js和sql使用后有部分问题,所以略有改动。

项目点评 ( 1 )

你可以在登录后,发表评论

搜索帮助

12_float_left_people 12_float_left_close