Python 爬虫五进阶案例-web微信登陆与消息发送

首先回顾下网页微信登陆的一般流程

　　1、打开浏览器输入网址

　　2、使用手机微信扫码登陆

　　3、进入用户界面

1、打开浏览器输入网址

首先打开浏览器输入web微信网址，并进行监控：

https://wx.qq.com/

Python 爬虫五进阶案例-web微信登陆与消息发送

可以发现网页中包含了一个新的url，而这个url就是二维码的来源。

https://login.weixin.qq.com/qrcode/wbfd1Z-a0g==

可以猜测一下获取url的一般网址就是https://login.weixin.qq.com/qrcode，而wbfd1Z-a0g==肯定就是通过请求前面的url后传入的参数，最终生成二维码图片。

此时再监控此次请求的network，去寻找，究竟是什么时候返回给客户端wbfd1Z-a0g==字符串的。

Python 爬虫五进阶案例-web微信登陆与消息发送

最终在网址：https://login.wx.qq.com/jslogin?appid=wx782c26e4c19acffb&redirect_uri=https%3A%2F%2Fwx.qq.com%2Fcgi-bin%2Fmmwebwx-bin%2Fwebwxnewloginpage&fun=new&lang=zh_CN&_=1532592134738的response里面找到了二维码参数。

这个网址里面_=1532592134738里面传入的看着像一个时间戳。此时我们先新建一个Django项目，在login页面向上面的网址发送请求。取得二维码参数，再传给前台的img标签，就可以做出二维码登陆页面。

新建一个Django项目、并新建一个app wechat：

Python 爬虫五进阶案例-web微信登陆与消息发送

将主url路由指向wechat app里面的url，并写好一个login url，让用户从我们这边开始登陆微信。

Python 爬虫五进阶案例-web微信登陆与消息发送

wechat urls：

Python 爬虫五进阶案例-web微信登陆与消息发送

views内的login函数：

from django.shortcuts import render, HttpResponse, redirect
import requests, time
import re, json
from bs4 import BeautifulSoup
# Create your views here.


def login(req):
    ctime = time.time() * 1000  # 模拟一个相同的时间戳
    base_url = 'https://login.wx.qq.com/jslogin?appid=wx782c26e4c19acffb&redirect_uri=https%3A%2F%2Fwx.qq.com%2Fcgi-bin%2Fmmwebwx-bin%2Fwebwxnewloginpage&fun=new&lang=zh_CN&_={0}'
    url = base_url.format(ctime)  # 字符串拼接，生成新的url
    response = requests.get(url)  # 向新的url发送get请求
    xcode_list = re.findall('window.QRLogin.uuid = "(.*)";', response.text)  # 通过正则表达式，提取到对于的参数列表['YZzTdz9m_A==', 'YZzTdz9m_A==']
    req.session['xcode'] = xcode_list[0]  # 获取到参数，存入session内
    return render(req, 'wechat/login.html', {'xcode': xcode_list[0]})  # 返回给login页面此参数

在templates目录里面创建一个wechat目录，在wechat目录创建一个login.html页面，传入参数。

<!DOCTYPE html>
<html lang="en">
<head>
    <meta charset="UTF-8">
    <title>Title</title>
</head>
<body>
    <img id="xcode" style="width: 200px; height: 200px; margin:100px 40%" src="https://login.weixin.qq.com/qrcode/{{ xcode }}">
</body>
</html>

因为加入了session功能需要先run一下

python3 manage.py makemigrations
python3 mange.py migrate

运行并访问login：

Python 爬虫五进阶案例-web微信登陆与消息发送

此时，就完成第一个二维码页面了。

第二步，有了二维码，手机扫描是如何进行交互的？是不是这个网页有个后台一直在请求某个网页，一旦扫码验证就进行下一步操作？继续监控请求

Python 爬虫五进阶案例-web微信登陆与消息发送

思路渐渐清晰了，在请求登陆的时候大概是如下的流程：

Python 爬虫五进阶案例-web微信登陆与消息发送

打开一个失效的url：

Python 爬虫五进阶案例-web微信登陆与消息发送

再查看扫描完的URL的返回：

Python 爬虫五进阶案例-web微信登陆与消息发送

最后确认登陆：

Python 爬虫五进阶案例-web微信登陆与消息发送

再次观察，会发现这个url其实是一个长轮询，一直在请求认证结果。pending的是在等待的当前请求。而在我们的项目内部，因为浏览器存在一个同源策略，所以无法完成在前端直接获取结果。此时改变一下思路：可以通过login内部写个url 偷偷的访问后端的视图，视图层再通过requests模块去发送请求获取结果返回给前端。

另外关于url的三种返回：

1、408代表没有人扫码（需要重新发送）
2、201代表已经有用户扫码，后面的参数返回的是用户头像
3、200代表用户已经登陆

定义一下检查的url：

    path('check_login/', views.check_login),

<script src="/static/jquery.min.js"></script>
    <script>
        tip = 1
        function checkLogin() {
            $.ajax({
                url:'/wechat/check_login/',
                data: {'tip': tip},
                type: 'GET',
                dataType: 'JSON',
                success:function (arg) {
                    if (arg.code == 201){
                        // 有人扫码了
                        $('#xcode').attr('src', arg.data);
                        checkLogin();
                        tip = 0;
                    }else if (arg.code == 408){
                        checkLogin();
                    }else if (arg.code == 200){
                        window.location.href='/wechat/index/'
                    }
                }
            })
        }
        checkLogin();
    </script>

这边需要提醒的是当用户扫码之后的url发送的参数中有一个tip参数有变动，从1变成0.

def check_login(req):
    tip = req.GET.get('tip')  # 标记是否扫码
    # 自定义返回的json数据格式
    ret = {
        'code': 408,  # 初始值408代表没有任何操作
        'data': None
    }
    ctime = time.time() * 1000  # 根据得到的url，伪造匹配的时间戳
    base_url = 'https://login.wx.qq.com/cgi-bin/mmwebwx-bin/login?loginicon=true&uuid={0}&tip={1}&r=903313058&_={2}'
    url1 = base_url.format(req.session['xcode'], tip, ctime)  # 字符串修饰
    r1 = requests.get(url1)  # 获取响应
    if 'window.code=201' in r1.text:
        # 有人扫码
        v = re.findall("window.userAvatar = '(.*)';", r1.text)
        avatar = v[0]
        ret['code'] = 201  # 状态码，代表有人扫码了
        ret['data'] = avatar  # 用户头像
    elif 'window.code=200;' in r1.text:
        # 扫码之后，点击确定登录
        req.session['login_cookie'] = r1.cookies.get_dict()  # 获取确认登陆的cookie
        uri = re.findall('window.redirect_uri="(.*)";', r1.text)  # 之前的图片，已经发现这里是一个重定向路由，所以获取重定向的路由
        # https://wx.qq.com/cgi-bin/mmwebwx-bin/webwxnewloginpage?ticket=AfpJ_ZmEJGcJ8iU62SiPyuTo@qrticket_0&uuid=gZHgYImvDQ==&lang=zh_CN&scan=1532410951
        redirect_url = '{0}&fun=new&version=v2'.format(uri[0])  # 字符串拼接，形成新的url
        # 获取凭证
        r2 = requests.get(redirect_url)  # 网页重定向的时候，会返回凭证用来进行之后的验证
        ticket_dict = {}
        soup = BeautifulSoup(r2.text, 'html.parser')  # 标签文本实例化bs对象
        for item in soup.find(name='error').children:  # 找到需要的凭证
            ticket_dict[item.name] = item.text  # 凭证存入字典
        req.session['ticket_dict'] = ticket_dict  # 凭证存入session
        req.session['ticket_cookie'] = r2.cookies.get_dict()  # session中存入获取重定向的cookie
        ret['code'] = 200  # 200表示确定登陆了
        req.session['is_login'] = True  # 给后面的url判断是否登陆
    return HttpResponse(json.dumps(ret))  # Json序列化返回

最后创建一个新的路由：

    path('index/', views.index),

创建一个新的html和视图函数index：

def index(req):
    return render(req, 'wechat/index.html')

此时，便可以完成web微信登陆功能。

留一份确认登陆的凭证：

Python 爬虫五进阶案例-web微信登陆与消息发送

<error>
    <ret>0</ret>
    <message></message>
    <skey>@crypt_41bad7c6_8bff0cc40ih18fba431b5a7e87l63bc7</skey>
    <wxsid>LkgBf9UVGIkHdg80</wxsid> 
    <wxuin>15749213440</wxuin>
    <pass_ticket>QvkUzyBHDWQ8HJDowkqw6rmqQ48weyrwDiNPTbn%2FnZl7tk%3D</pass_ticket>
    <isgrayscale>1</isgrayscale>
</error>

获取登陆信息

根据平时登陆web wechat的常识，登陆确认之后肯定是跳往目的路由，初始化一些用户信息，获取用户的各种资料等等。这只是猜测怎么办？打开web 微信继续检测network。这一次从确认登陆完成进行截图分析。

Python 爬虫五进阶案例-web微信登陆与消息发送

url： https://wx.qq.com/cgi-bin/mmwebwx-bin/webwxinit?r=696489291&lang=zh_CN&pass_ticket=QvkUzyBiMqnrFcw6rmqQ4I7E2DiNxTUDPTbn%252FnZl7tk%253D

url里面有pass_ticket参数.

Python 爬虫五进阶案例-web微信登陆与消息发送

看到凭证组成的form_data，另外此次是POST请求。由于response数据太多了，在index里面我们先写一个for循环看看都有哪些key值，看看能不能根据key值的命名规范，找到规律。

视图函数index：

def index(req):
    # 判断是否已经登陆
    if not req.session.get('is_login'):
        return redirect('/wechat/login/')

    # 发送post请求，根据ticket_dict进行构造数据
    # https://wx.qq.com/cgi-bin/mmwebwx-bin/webwxinit?r=892259194&pass_ticket=TS7TEfumVaVzKhn%252FrnLKS2zZyhixJDEYxlXqGgQVplQ%253D
    base_url = 'https://wx.qq.com/cgi-bin/mmwebwx-bin/webwxinit?r=892259194&pass_ticket={0}'
    url = base_url.format(req.session['ticket_dict']['pass_ticket'])
    # BaseRequest
    # :
    # {Uin: "184513440", Sid: "U4WojQwDRwKqdeMs", Skey: "", DeviceID: "e409571391728320"}  # 伪造的数据格式样板

    form_data = {  # 伪造数据
        'BaseRequest': {
            'DeviceID': "e409571391728320",
            'Sid': req.session['ticket_dict']['wxsid'],
            'Skey': req.session['ticket_dict']['skey'],
            'Uin': req.session['ticket_dict']['wxuin']
        }
    }
    r1 = requests.post(
        url=url,
        json=form_data
    )
    r1.encoding = r1.apparent_encoding  # 使用默认编码原则
    user_info = json.loads(r1.content)
    for key in user_info:
        print(key)
    return render(req, 'wechat/index.html', {"user_info": user_info})

结果：

BaseResponse
Count
ContactList
SyncKey
User
ChatSet
SKey
ClientVersion
SystemTime
GrayScale
InviteStartCount
MPSubscribeMsgCount
MPSubscribeMsgList
ClickReportInterval

可以猜测ContactList应该是最近联系人；User应该是用户本身，MPSubscribeMsgList应该是订阅号信息。

再打印一下User里面的key看一下,视图函数改一句就好了：

    for key in user_info['User']:
        print(key)

结果key：

Uin
UserName
NickName
HeadImgUrl
RemarkName
PYInitial
PYQuanPin
RemarkPYInitial
RemarkPYQuanPin
HideInputBarFlag
StarFriend
Sex
Signature
AppAccountFlag
VerifyFlag
ContactFlag
WebWxPluginSwitch
HeadImgFlag
SnsFlag

果然，现在这么看应该是登陆用户的信息了。

同理测试一下订阅号：

{
    'UserName': '@8fbbad518f4d3cf22ebd0a1b0b6d2cb5', 
    'MPArticleCount': 4, 
    'MPArticleList': [
        {
            'Title': '80%的爱情还没开始就会终结。关于错过的遗憾，20 年前几米就教给你了', 
            'Digest': '你活得不开心，因为你太把自己当大人。', 
            'Cover': 'http://mmbiz.qpic.cn/mmbiz_jpg/ib0l8DHhOSLuh527WuVHWnnIXwxR5s37pgacZriaKQPUkKEqArKEa9v6tH8buhrNHZB3IMMgf33RCKxtziazCTPrQ/640?wxtype=jpeg&wxfrom=0', 
            'Url': 'http://mp.weixin.qq.com/s?__biz=MzIzMzk1MzE0NQ==&mid=2247485983&idx=1&sn=6e268e95cdaf04c21114b53f1285bba4&chksm=e8fc8809df8b011fba6a8092400b312102e247780168d56f69c6863e31e7c4f3945253b1f259&scene=0#rd'
        }, 
        {...}
    ], 
    'Time': 1532608404,
    'NickName': '新世相读书会'
}

此时我们对index进行处理：

<!DOCTYPE html>
<html lang="en">
<head>
    <meta charset="UTF-8">
    <title>Title</title>
</head>
<body>
    <h1>个人信息：{{ user_info.User.NickName }}</h1>
    <ul>
        {% for user in user_info.ContactList %}
            <li>{{ user.NickName }}</li>
        {% endfor %}
    </ul>
    <a href="/wechat/contact_all/">查看更多联系人</a>
    <h3>公众号信息</h3>
    {% for msg in user_info.MPSubscribeMsgList %}
    <div>
        <h3>{{ msg.NickName }}</h3>
        <ul>
            {% for article in msg.MPArticleList %}
                <li><a href="{{ article.Url }}">{{ article.Title }}</a></li>
            {% endfor %}
        </ul>
    </div>
    {% endfor %}
</body>
</html>

中间建立了一个新的url，用来显示所有联系人。先建立一个路由跟视图函数，其他暂时不管。

稍微修改了一下视图函数，加了个User字典到session里面，后面要用到：

def index(req):
    # 判断是否已经登陆
    if not req.session.get('is_login'):
        return redirect('/wechat/login/')

    # 获取最新联系人、并展示
    # 发送post请求，根据ticket_dict进行构造数据
    # https://wx.qq.com/cgi-bin/mmwebwx-bin/webwxinit?r=892259194&pass_ticket=TS7TEfumVaVzKhn%252FrnLKS2zZyhixJDEYxlXqGgQVplQ%253D
    base_url = 'https://wx.qq.com/cgi-bin/mmwebwx-bin/webwxinit?r=892259194&pass_ticket={0}'
    url = base_url.format(req.session['ticket_dict']['pass_ticket'])
    # BaseRequest
    # :
    # {Uin: "184513440", Sid: "U4WojQwDRwKqdeMs", Skey: "", DeviceID: "e409571391728320"}

    form_data = {
        'BaseRequest': {
            'DeviceID': "e409571391728320",
            'Sid': req.session['ticket_dict']['wxsid'],
            'Skey': req.session['ticket_dict']['skey'],
            'Uin': req.session['ticket_dict']['wxuin']
        }
    }
    r1 = requests.post(
        url=url,
        json=form_data
    )
    r1.encoding = r1.apparent_encoding
    user_info = json.loads(r1.content)
    req.session['current_user_info'] = user_info['User']
    # for k, v in user_info.items():
    #     print(k, v)
    # for user in user_info['ContactList']:
    #     print(user['NickName'])
    # for msg in user_info['MPSubscribeMsgList']:
    #     print(msg['NickName'])
    return render(req, 'wechat/index.html', {"user_info": user_info})

结果示意图：

Python 爬虫五进阶案例-web微信登陆与消息发送

此时解决查看联系人的问题，还是老方法，继续监控network。这里就不再卖关子了。getcontact这个就是获取所有联系人的url。

Python 爬虫五进阶案例-web微信登陆与消息发送

不必多说，继续伪造：

    path('contact_all/', views.contact_all),

视图函数：

def contact_all(req):
    # https://wx.qq.com/cgi-bin/mmwebwx-bin/webwxgetcontact?pass_ticket=z%252BTVxEioLl3A5arKy%252BUMHbeTME%252BmAkJEulNYIYgGcpw%253D&r=1532421128264&seq=0&skey=@crypt_41bed7c6_e213390395ab3a4ef54bfef5d004f719
    base_url = 'https://wx.qq.com/cgi-bin/mmwebwx-bin/webwxgetcontact?pass_ticket={0}&r={1}&seq=0&skey={2}'
    url = base_url.format(
        req.session['ticket_dict']['pass_ticket'],
        time.time() * 1000,
        req.session['ticket_dict']['skey'],
    )  # url拼接
    all_cookies = {}
    all_cookies.update(req.session['login_cookie'])
    all_cookies.update(req.session['ticket_cookie'])  # 带入所有的cookies

    r1 = requests.get(url, cookies=all_cookies)
    r1.encoding = r1.apparent_encoding
    contact_dict = json.loads(r1.content)
    for item in contact_dict:
        print(item)
    #  for item in contact_dict['MemberList']:
    #     #     if item['RemarkName'] == '宇宙第一帅':
    #     #         print(item)
    return render(req, 'wechat/contact_all.html', {'contact_dict': contact_dict})

index.html

打印了所有的最外层的key：

BaseResponse
MemberCount
MemberList
Seq

上面被注释的那段代码，可以用来查找你备注的某个人的信息。监控里面看到的username其实是用户在微信里面的唯一ID。

<!DOCTYPE html>
<html lang="en">
<head>
    <meta charset="UTF-8">
    <title>Title</title>
</head>
<div>
    <h1>联系人列表</h1>
    <ul>
        {% for item in contact_dict.MemberList %}
            <li>{{ item.UserName|safe }} --- {{ item.NickName|safe }}</li>
        {% endfor %}
    </ul>
</div>
</body>
</html>

截图：

Python 爬虫五进阶案例-web微信登陆与消息发送

好了，现在到最紧张的最后一步了，如何发送消息？

Python 爬虫五进阶案例-web微信登陆与消息发送

现在只需要伪造信息就好了，这里我们可以看见就是根据username的唯一id来发送信息的。

在contact网页里面添加如下代码：

<div>
    <h1>发送消息</h1>
    <p>接受者：<input type="text" id="recv" /></p>
    <p>内容：<input type="text" id="content" /></p>
    <input type="button" id="btn" value="Send" />
</div>

<script src="/static/jquery.min.js"></script>
<script>
    $(function() {
        $('#btn').click(function() {
            var recv = $('#recv').val();
            var content = $('#content').val();
            $.ajax({
                url: '/wechat/send_msg/',
                type: 'GET',
                data: {'recv': recv, 'content': content},
                success: function(arg) {
                    console.log(arg)
                }
            })
        })
    })
</script>

路由：

    path('send_msg/', views.send_msg),

视图函数：

def send_msg(req):
    recv = req.GET.get('recv')
    content = req.GET.get('content')
    # https://wx.qq.com/cgi-bin/mmwebwx-bin/webwxsendmsg?pass_ticket=wtwzy%252F7fxQgJaTA511weqPXIkIGSJmZdCRATgZdIfYY%253D
    base_url = 'https://wx.qq.com/cgi-bin/mmwebwx-bin/webwxsendmsg?pass_ticket={0}'
    url = base_url.format(req.session['ticket_dict']['pass_ticket'])
    ctime = time.time() * 1000
    form_data = {  # 伪造数据格式
        'BaseRequest': {
            'DeviceID': "e939509344931677",
            'Sid': req.session['ticket_dict']['wxsid'],
            'Skey': req.session['ticket_dict']['skey'],
            'Uin': req.session['ticket_dict']['wxuin']
        },
        'Msg': {
            'ClientMsgId': ctime,
            'Content': content,
            'FromUserName': req.session['current_user_info']['UserName'],
            'LocalID': ctime,
            'ToUserName': recv,
            'Type': 1,  # 文本
        },
        'Scene': 0
    }
    all_cookies = {}
    all_cookies.update(req.session['login_cookie'])
    all_cookies.update(req.session['ticket_cookie'])  # 带入cookie，试验过证明是需要的
    r1 = requests.post(
        url=url,
        data=bytes(json.dumps(form_data, ensure_ascii=False), encoding='utf-8'),
        cookies=all_cookies,
        headers={
            'Content-Type': 'application/json'  # 这句话用来表示，需要序列化成json数据；也可以去掉data跟headers直接用json=form_data来实现
        }
    )
    print(r1.text)
    return HttpResponse('.....')