皮皮网

1.如何爬取公众号数据？网上10种方法分享及实践
2.爬虫工具--fiddler
3.如何使用Fiddler调试线上JS代码
4.使用Fiddler和逍遥模拟器对手机app抓包
5.爬无止境：用Python爬虫省下去**院的取源钱，下载VIP**，取源我刑啦
6.Python网络爬虫-APP端爬虫

如何爬取公众号数据？网上10种方法分享及实践

       在运营微信公众号时，取源快速批量抓取文章素材能显著提升效率。取源然而，取源由于微信公众号内容不允许被搜索引擎抓取，取源appium源码编译且采取了反爬虫策略，取源如IP封禁、取源验证码识别、取源链接过期等，取源实现批量抓取变得复杂。取源下文将分享种不同方法，取源帮助您获取公众号（企业号+服务号）数据。取源

       首先，取源使用Python爬虫或自动化测试工具可实现抓取。取源具体步骤包括：安装Python环境及库（如Requests、BeautifulSoup），发送HTTP请求获取目标网页源码，解析HTML提取内容，保存至本地文件或数据库。

       自动化测试工具同样能模拟用户操作，批量抓取公众号文字。操作流程：下载并安装工具（如Selenium），编写测试脚本模拟登录、进入主页、打开历史消息等，提取内容并保存。

       第三方工具如八爪鱼、后羿采集器等，提供傻瓜式操作，但多为商业软件且功能收费。它们的适用范围受限，八爪鱼仅支持搜狐微信公众号，企业号文章无法采集。

       搜狐微信搜索提供直接搜索功能，帮助找到文章或公众号，但存在收录不全问题。若想获取更多数据，还需结合其他方法。

       微信读书曾提供批量导出公众号文章的风语源码搭建入口，但现已被关闭。此外，微信读书适用于免费阅读文章，无法直接用于批量抓取。

       Chrome插件如WeChat Article Batch Download和WeChat Helper，可在Chrome商店下载，帮助用户批量下载公众号文章，但功能可能受限。

       Fiddler网络调试工具可辅助抓取公众号文章链接，操作包括设置代理服务器、打开微信客户端，进入历史消息，使用浏览器访问网页版，查找并保存链接。

       OCR技术用于识别中的文字，可辅助抓取公众号文章。通过截图或屏幕录制，使用OCR工具识别文字内容，保存至本地文件或数据库。

       RSS订阅服务提供公众号文章更新通知，操作包括查找RSS Feed链接、订阅并设置更新频率，将文章保存至本地文件或数据库。

       IFTTT自动化工具可通过创建Applet，将RSS Feed和Google Drive连接，订阅公众号链接，设置保存路径和格式，实现自动保存至Google Drive。

       付费服务如淘宝、科技博主提供的公众号文章批量下载服务，可在特定情况下提供帮助，但需谨慎选择，确保合法合规。

       综上所述，尽管存在法律风险，合法合规地选择适合自身需求的方法，能有效提升公众号运营效率。在实施爬虫操作时，务必遵守相关法律法规，抢单源码运营尊重他人权益。

爬虫工具--fiddler

       一、抓包工具

       1.1 浏览器自带抓包功能，通过右键审查元素，点击network，点击请求，右边栏展示请求详细信息：request、headers、response。以搜狗浏览器为例，任意点击加载选项，查看get参数。

       1.2 Fiddler，一个HTTP协议调试代理工具。它能记录并检查电脑和互联网之间的所有HTTP通信，收集所有传输的数据，如cookie、html、js、css文件，作为中介连接电脑与网络。

       二、Fiddler的使用

       2.1 下载并安装Fiddler，访问官网下载页面，填写信息后下载安装包，按照常规步骤进行安装。

       2.2 配置Fiddler，打开工具选项，选择HTTPS捕获、解密HTTPS流量等功能，完成配置后重启Fiddler。

       三、Fiddler的使用

       3.1 在Fiddler中查看JSON、CSS、JS格式的数据。停止抓取：文件菜单中选择捕获，取消勾选。点击请求，右边选择inspectors。抄底柱指标源码

       3.2 HTTP请求信息：Raw显示请求头部详细信息，Webforms显示参数，如query_string、formdata。

       3.3 HTTP响应信息：首先点击**条解码，Raw显示响应所有信息，Headers显示响应头，Json显示接口返回内容。

       3.4 左下黑色框输入指令，用于过滤特定请求，如清除所有请求、选择特定格式请求等。

       四、Urllib库初识

       4.1 Urllib库用于模拟浏览器发送请求，是Python内置库。

       4.2 字符串与字节之间的转化：字符串转字节使用Encode（），字节转字符串使用Decode（），默认编码为utf-8。

       4.3 urllib.request属性：urlopen（url）返回响应对象位置，urlretrieve（url, filename）下载文件。

       4.4 urllib.parse构建url：quote编码中文为%xxxx形式，unquote解码%xxxx为中文，urlencode将字典拼接为query_string并编码。

       五、响应处理

       5.1 read（）读取响应内容，返回字节类型源码，geturl（）获取请求的url，getheaders（）获取头部信息列表，getcode（）获取状态码，readlines（）按行读取返回列表。

       六、GET方式请求

       6.1 无错误代码，但打开Fiddler时可能会报错，因为Fiddler表明Python访问被拒绝，需要添加头部信息，如伪装User-Agent为浏览器。

       七、构建请求头部

       7.1 认识请求头部信息，如Accept-encoding、华硕源码编译 majorUser-agent。了解不同浏览器的User-agent信息，伪装自己的User-agent以通过反爬机制。

       8.1 构建请求对象，使用urllib.request.Request(url=url, headers=headers)。完成以上步骤，实现基于Fiddler和Urllib库的网络数据抓取与请求操作。

如何使用Fiddler调试线上JS代码

       è™½ç„¶å¯ä»¥é€šè¿‡è°ƒè¯•å·¥å…·çš„控制台来动态执行JS代码,但有时候却远远不够用.

       ç‰¹åˆ«æ˜¯å½“产线环境不能随意修改文件情况下,用线上环境来调试本地代码更是迫切的需求.

       (往往本地测试通过,上线后却是各种bug.)

       ä»Šå¤©åˆ†äº«ä¸€ä¸‹å¦‚何用Fiddler来修改并调试线上的JS代码.

       ä»¥åšå®¢å›­é¦–页为例子,用我本地的一个js文件来替换它的一个js.

       æŸ¥çœ‹é¦–页源码发现一个js,就拿它开刷了.

       æ‰“å¼€fiddler,捕获博客园的首页请求. 找到“aggsite.js”的请求.

       è¿™é‡Œæœ‰ä¸ªæŠ€å·§,可以通过 “select”命令来筛选js请求. 在下面的命令框输入“select script”回车即可. 如下图.

       æŽ¥ç€æŠŠè¿™ä¸ªè¯·æ±‚拖动到“AutoResponder”面板.

       æ‹–动之前记得先勾上 “Enable automatic responses”和 “Permit passthrough for unmatched requests”.

       ç„¶åŽåœ¨Rule Editor的第二下拉框选择 “Find a file”来选择本地的JS文件, 选择后点 Save.

       è¿™é‡Œæˆ‘用本地的“test fiddler.js”来替换博客园首页的“aggsite.js”.

       â€œtest fiddler.js”内容如下. 就是向body追加一段红色文字.

       $(function(){

        var p=$("<p/>").text("这是fiddler加上的JS").css("text-align","center").css("color","red");

        $("body").prepend(p);

       });

       å¥½äº†,刷新博客园首页看看效果.

       å¯ä»¥çœ‹åˆ°,我们替换的js被执行了,接下来就可以在本地使用我们顺手的编辑器来写JS代码了,

       æœ¬åœ°ä¿å­˜åŽ,刷新网页就能立刻看到效果,就跟在本地开发一样,是不是很方便?

       æœ€åŽæƒ³è¯´å…¶å®žä½ å¯ä»¥ç”¨åŒæ ·çš„方式来替换图片,CSS,HTML.

       æ€»ä¹‹ä¸€ç‚¹å°±æ˜¯åˆ©ç”¨çº¿ä¸Šçš„环境来测试你的代码,但又不对线上产生影响.

       è¦çŸ¥é“保证不出onlinebug bug是多么的重要,虽然很难做到,但能避免就尽量吧.

       Enjoy!

使用Fiddler和逍遥模拟器对手机app抓包

       本文旨在教你如何使用Fiddler和逍遥模拟器对手机应用进行网络抓包，以便获取其内部的网络请求数据。首先，由于手机app与网页不同，不能直接查看源码，因此需要借助工具如Fiddler和模拟器来实现抓包。

       步骤一：从逍遥模拟器官网下载并安装模拟器，推荐同时安装多开器以方便管理。选择位模拟器，因为之后安装的应用为位。启动模拟器后，安装Xposed Installer.apk，并通过install.bat激活Xposed框架，确保电脑已安装adb且模拟器运行中。

       第二步：禁用SSL并安装JustTrustMe.apk，进入Xposed模块管理，启用JustTrustMe以抓取加密数据。在Fiddler中，配置HTTPS选项并记录端口号，便于后续抓包。

       接下来，进入安卓模拟器设置，将网络设置为代理模式，填写电脑的IP地址（通过命令提示符获取）和Fiddler的端口号。完成这些步骤后，Fiddler将开始捕获模拟器的网络请求，你可以借此分析数据，如爬取股票软件开盘信息。

       最后，如果你需要获取文中所提及的所有软件，只需关注并回复公众号量化杂货铺的安卓模拟器获取。通过这种方式，你便掌握了手机app抓包的基本配置方法，期待你利用这些知识进行实际操作。

爬无止境：用Python爬虫省下去**院的钱，下载VIP**，我刑啦

       实现对各大视频网站vip**的下载，因为第三方解析网站并没有提供下载的渠道，因此想要实现**的下载。

       首先，通过使用Fiddler抓包，我找到了一个随机**链接的post请求。通过分析，我了解到提交post请求的url包含了要下载的**的url，只是因为url编码为了ASCII码，所以需要使用urllib进行解析。vkey是动态变化的，隐藏在post请求前的get请求返回页面中。服务器返回的信息中，前几天是**的下载链接，现在变成了一个m3u8文件。在m3u8文件中，我发现了一个k/hls/index.m3u8的链接，通过将该链接与原url拼接，可以得到ts文件下载链接。将ts文件下载后拼接即可完成下载。

       获取vkey的步骤涉及对get请求的分析，发现其与post请求中的vkey相同。通过编写代码获取vkey后，就可以完成ts文件的下载。

       在代码实现中，我首先使用urllib编码输入链接，以便在后续的post请求中使用。然后使用会话发送get请求，获取网页源码，并使用正则表达式匹配vkey。需要注意的是，get请求中的verify参数设置为False，以跳过SSL认证，尽管这可能引发警告。

       在获取vkey后，我制作了用于提交post请求的表单，并发送了post请求。结果是m3u8文件，我使用代码下载了该文件。最后，我使用了一个参考的下载**的代码来完成ts文件的下载。

       为了使代码更加美观，我使用了PyQt5将代码包装起来，并添加了一些功能。由于WebEngineView无法播放Flash，因此中间的浏览器功能较为有限，主要是为了美观。我分享了程序界面，希望能激发更多人对爬虫技术的兴趣。

Python网络爬虫-APP端爬虫

       一、环境安装

       1.1 模拟器安装

       借助模拟器进行APP端调试，通过下载安装可实现。推荐使用夜神模拟器（yeshen.com/）或网易MuMu模拟器（mumu..com/）。

       1.2 SDK安装

       提供多种下载渠道，首选官网下载（developer.android.com/s...）或第三方下载平台（androiddevtools.cn/）。使用SDK Manager.exe安装工具，选择需要的工具，如Build-tools和特定Android版本，同时勾选Extras中的选项，最后点击Install安装。注意，安装过程可能持续数小时。配置环境变量，设置ANDROID_HOME为sdk安装目录，并将平台工具和工具路径添加到Path环境变量中。

       1.3 Fiddler安装

       直接从官网下载安装（telerik.com/download/fi...）以获取puters connect选项开启。

       2.2 模拟器配置

       在模拟器设置中，手动更改代理设置，输入本机IP和Fiddler端口，完成与Fiddler的代理连接。

       三、移动端自动化控制

       3.1 APK包名获取

       通过adb命令获取apk包名，确保adb服务启动并连接模拟器，然后在模拟器中获取所需app的包名和Activity。

       3.2 Appium使用

       使用appium的python包，启动appium服务，编写示例代码操作模拟器，并使用uiautomatorviewer获取元素的Xpath路径。

       四、利用mitmproxy抓取存储数据

       4.1 基本原理

       mitmproxy提供命令行接口mitmdump，用于处理抓取的数据，并将其存储到数据库中，同时支持Python脚本处理请求和响应。

       4.2 抓取步骤

       使用fiddler分析请求，然后通过mitmdump拦截并保存数据至MySQL数据库。

       五、APK脱壳反编译

       5.1 脱壳

       使用Xposed框架安装FDex2工具，通过Hook ClassLoader方法脱壳APK。推荐从网络下载并安装FDex2工具。

       5.2 APK反编译

       使用apktool反编译apk文件以获取静态资源，而dex2jar则将.dex文件转换为Java源代码。此过程需谨慎处理多个.dex文件。

       5.3 JAD-反编译class文件

       借助GitHub上的JAD工具将.class文件反编译为Java源代码，便于阅读和理解。

0基础学爬虫爬虫基础之抓包工具的使用

       在大数据时代，网络爬虫的应用日益广泛。为了帮助零基础学习者快速入门爬虫技术，本篇将重点介绍抓包工具的使用。抓包工具，即用于抓取网络数据包信息的工具，最初主要应用于测试工作，以定位数据传输问题。随着技术发展，抓包工具的功能不断扩展，不仅能拦截、解析数据包，还能进行重发、编辑、替换等操作。对于爬虫开发者而言，理解和掌握目标网站交互中的数据传输过程至关重要，因此，熟悉抓包工具的使用成为必备技能。

       常见的抓包工具有很多，其中Fiddler、Charles、Wireshark等备受推崇。Fiddler和Charles专注于抓取应用层的HTTP/HTTPS协议包，通过中间人代理拦截数据包，提供简单易用的界面。例如，Fiddler通过代理特定端口，拦截所有通过该端口的通信协议，并解析展示数据报文。对于HTTP请求，数据传输都是明文，Fiddler可以直接查看。然而，HTTPS请求在HTTP基础上增加了SSL/TLS协议，数据传输采用了加密，因此，抓包工具即使截取了数据包，也难以解析内容，需要事先安装证书。

       Wireshark则专注于抓取传输层的TCP/UDP协议，通过直接在网卡链路层截取数据包，提供更底层的数据分析能力。F开发者工具是另一种常用的抓包方式，结合浏览器的开发者控制台功能，提供了强大的网络监控和调试能力。F工具界面直观，功能强大，包括元素、控制台、源代码、网络等面板。其中，网络面板是抓包操作的关键，允许实时监控网页的网络活动，查看请求和响应数据。

       使用F抓包操作简单，只需打开开发者工具，加载目标网址，即可自动抓取网页交互的网络数据。请求列表详细记录了与网站交互中的每个请求资源信息，包括常规信息、响应头信息、请求头信息、载荷信息和响应信息。通过分析这些信息，可以深入了解网站的数据传输流程。

       尽管F开发者工具功能强大，但在某些复杂场景下，如遇到加密算法或动态变化的代码，可能需要更为强大的抓包工具，如Fiddler、Charles等。这些工具提供了更深入的数据分析和控制功能，如AutoResponder功能，允许开发者修改请求的响应内容，以适应逆向开发或调试需求。此外，重发和模拟请求等功能也极大地提高了工作效率。

       总结而言，选择合适的抓包工具对于网络爬虫开发者至关重要。从Fiddler、Charles到Wireshark，每种工具都有其独特的功能和适用场景。随着反爬虫技术的不断升级，爬虫开发者需要不断学习和掌握更强大的工具，以应对日益复杂的网络环境。同时，开发者应关注工具的最新发展，以确保高效、安全地执行爬虫任务。