公众号文章伪原创(批量导出微信公众号所有历史文章的知识会帮到一部分朋友)

　　公众号文章伪原创(批量导出微信公众号所有历史文章的知识会帮到一部分朋友)

　　开场白：

　　邓爷爷曾经说过：不管黑猫白猫，抓到老鼠就是好猫。不管我是一起做的，还是笨拙的堆起来的，批量导出微信公众号所有历史的功能文章，已经运行了半年多了，它经历了数千种不同的类型。各类公众号的检查仍可正常进行。所以我觉得跟大家分享的知识对一些朋友会有所帮助，至少可以带来一些启发（自信还是要的，不然怎么写）。当然，我也知道我现在销售的产品还有很多需要改进的地方，想请教大家。

　　温馨的提示：

　　虽然乔布斯说每个人都应该知道一些编程知识，而且这篇文章真的是教人如何钓鱼，但我还是想强调，不是每个人都想吃鱼就去钓鱼，所以如果你不是技术人员或者你看完之后觉得技术上很难，或者你只需​​要存一两个数字，你不妨找我帮你，毕竟时间也是一种成本。

　　系统大致分为几个步骤：

　　1、公众号所有历史文章链接的获取。

　　2、单篇文章 原HTML下载，包括文字、图片、css等。

　　3、文章 批量下载和管理。

　　4、HTML 转换为 PDF。

　　5、有新的文章时跟进更新。

　　6、基于本系统的扩展功能。

　　别着急，我们分几篇慢慢写。

　　第一步是获取历史文章链接。这是最困难也是最重要的一步。

　　方法：Android模拟器/Android真机+Fiddler/Anyproxy等抓包工具。

　　更具体地说，主要方法是通过模拟手机上的按钮不断加载文章列表，并不断抓包。这是一个完全模拟的手动操作。缺点是速度较慢，必须遵循文章 所有数据都是按照release顺序倒序获取的，这期间可能会出现各种卡死问题（其实好的程序要处理各种异常情况） .

　　更高级一点的是抓包得到的手机向微信服务器请求文章列表时发送的请求URL数据，然后用程序模拟所有请求的URL，发送给微信服务器一一对应，并得到相应的回报。数据。这种方法的优点是灵活性强，可以按照特定的索引顺序（比如第100到第120个文章，但是如果没有具体的时间段，只能是一个时间段粗略估计。）缺点是难度大，如果不做伪装，微信可能会发现你是爬虫。（文中提到的账号名称是指微信官方将屏蔽任何公众号的阅读功能文章 微信账号24小时内。正常聊天不会受到影响，24小时后会恢复正常，但如果经常被屏蔽，可能会受到重罚。）

　　上面提到的方法实际上是模拟客户端向微信服务器请求数据。您必须注意控制请求频率。如果间隔太短，很容易被阻塞。当然，还有更高级的。您可以通过修改请求 URL 中某些键的值来获取高级权限。你可以以几乎无限的速度获取大量数据，但这个门槛相当高，没有人会透露。如果有人欢迎分享这方面的任何信息。如果您无法获得它，请不要沮丧，只需使用我提供的正常游戏即可。

　　获取链接后，将其保存到数据库中。如果金额不大，保存在excel中。至于保存什么数据，仔细看返回的Json数据格式就行了，但是需要注意编码问题。

　　2、单篇下载文章，各种编程语言都有成熟的网页内容请求库。您必须假装自己是浏览器。不要傻傻的告诉微信我是爬虫我会爬的。你来了（这样微信爸爸会扇你一巴掌然后关*敏*感*词*不让你爬）。网页的html下载完成后，解析里面的图片，然后旁边的图片就可以下载了。为了方便图片的管理，可能需要一个专门的图片文件夹来保存，注意修改相对路径。我在很多地方看到有人说微信图片不容易抓取，但我从来没有遇到过任何问题。如果你遇到一个，你不妨谈谈它。

　　今天早了两步。我以前看别人的技术教程。今天第一次写教程。不知道深度和细节是否符合大家的口味。欢迎给我留言。