关于微信公众号《云爬虫技术研究笔记》可以看到更多哦！

背景

  最近发现搜狗微信在2019.10.29号的时候悄然下线了一个功能，也就是不能在搜狗搜索中指定公众号的名称，如下图

  很多媒体以及社区也在讨论相关的话题

  这样的话，我们就没有办法准确的搜索到某个公众号的最新的文章了，所以我们要是想要去实时追踪到某个公众号的最新文章的话，就不能通过搜狗这个渠道来爬取了。
  于是，我整理了一下截止目前的微信公众号的爬取方式

1. 搜狗微信渠道（已放弃）
2. AnyProxy+Appium
3. X-Wechat-Key（万能key）
4. Hook微信，获取微信公众号推送
     比较一下这几种方式

• 第二种的话使用模拟人工操作的自动化工具，AnyProxy的话可以替换成MitmProxy，也就是做一个中间人拦截的作用，具体的话可以看看陈文管的博客来看看具体操作，不过中间人拦截在App层面总会有些隐患。
• 第三种的话在业界统称为微信万能key，也就是像公众号文章点赞、阅读什么的都需要通过这个Key来进行操作，所以一些黑产（刷赞、刷阅读量）什么的都喜欢拿这个东西搞，获取Key的话无非就是逆向重写源码逻辑或者Hook拿Key，这个目前市面上暂时没有相关的文章。
• 最后一种就是我们今天要采取的方式了，就是Hook微信的公众号推送，因为逻辑上公众号推送也是微信官方向我们发送消息的过程，我们可以Hook这个过程，每当收到推送我们就采取我们自己的一些处理逻辑，这样在设计上来说是四种中最“实时”的。

实战

  实战方面参考了四哥的文章做了些改进，下面我们开始边分析边实战

  讲一个常识，像微信这种社交类的App，我们和对方在发消息的过程中的聊天记录都是会保存在我们本地，所以我们通常都能看到我们的聊天记录，也可以清理他们，所以如果我们想要拦截微信的消息的话，就得Hook微信的Insert *** ，也就是他们插入数据库的 *** 。
  那我们该从哪里入手呢？相信大家百度搜索Hook微信的时候都会搜到一类内容，就是如何解密微信本地的数据库，而微信在我们手机上的存储位置又有一个关键词–EnMicroMsg.db，这个就是我们的入口，我们需要在微信源码中全文搜索这个词，我们使用的微信是6.5.3，工具是Jadx，实际操作如下

  我们搜索出EnMicroMsg.db之后就要每个结果去分析看哪个是比较有“眼缘”的结果。我们可以看到，第三条名字是onSQLExecuted，嗯？有点像，跟进去看看。

  主要看最后一条，引用了另一个 *** 进行存储，再跟进去

  看到了涉及数据库的Help类，我们猜测这个类应该是一个辅助类，那么Insert *** 应该在这个类下面，我们在这个类中搜索


  好的，我们跟到这里能够看到很直观的Sql语句拼接的过程，那么这个 *** 的参数应该是我们收到的消息的值，只要Hook这个 *** ，我们就可以去拿到插入数据库时的值了。

  代码片段就是这个样子，下面我们把这个代码打包成Apk，勾选，重启Xposed，下面可以发送消息测试看看效果了。
  我们首先先用另一个微信号给我们自己发送普通的消息

  看到这里，Content的字段，值就是我们发送的1
  接着我们再用另一个微信号给我们发送公众号文章

  可以看到一大段代码，我们看到Reversed字段是由很多乱码和字段以及值组成的，那么我猜测微信内部实现了一个解码工具，如果我们能够Hook到这个解码工具，是不是就可以获取到解码之后的正确数据了呢？说到解码，根据微信以往的数据传输来看，这些数据很有可能是以XML的格式进行传输的，既然涉及到xml，那就一定是键值对的形式，我们去到的数据中除了有乱七八糟的小方块，还有诸如“.msg.appmsg.category.item”这类看起来有用的内容。
  我们在全文搜索一下

  奇怪？我们并没有发现什么值得的东西？怎么回事，回想一下是不是我们发送的消息有问题？对！我们应该拿的是微信公众号的推送，而不是别人向我们推的公众号文章，那我就用我的公众号给我自己推一个预览消息，结果如下

  我们再根据刚才的逻辑，全文搜索msg.appmsg.mmreader.category.item，之后我们一个个分析，看到下面这个部分，跟进去

  我们查看这一段代码，看到下面这个部分有我们之前拦截到的消息的参数

  我们发现我们需要的字段的值都来自于Yd，而Yd来自于az.Yd，那很可能这个就是我们想要Hook的解密器，我们跟进去看看

  这段代码看起来很像是解码的，话不多说，Hook试试！


  不出我们的猜想，这个 *** 果然是，我们再进行解析，得到如图的效果。

总结

这次Hook算是比较简单的案例，主要是寻找Hook *** 的思路，把微信公众号的推送当成一个消息，我们去Hook这个消息存入数据库的过程从而得到原生数据，再找到原生数据解密的地方，从而通过Hook原生数据解密的 *** 得到正确的解码数据，最后完成我们的实时获取微信公众号推送的目的。

坑点

1. 代码只是完成了功能，在额外的微信风控部分、Xposed检测部分估计还需要做额外工作。
2. 项目基于手机微信来开发，需要保持手机常开，稳定性需要额外考虑。

注意：  项目已经完成，想要获得源码可以关注下面的微信号，回复“hook微信公众号”即可获得项目地址以及现成的Apk

号主介绍

• 前两年在二线大厂工作，目前在创业公司搬砖

• 接触方向是爬虫和云原生架构方面

• 有丰富的反爬攻克经验以及云原生二次开发经验

• 其他诸如数据分析、黑客增长也有所涉猎

• 做过百余人的商业分享以及多次开办培训课程

• 目前也是CSDN博客专家和华为云享专家

震惊 | 只需3分钟！极速部署个人Docker云平台

深入理解Python的TLS机制和Threading.local()

我为什么不建议你使用Python3.7.3？

下一代容器架构已出，Docker何去何处？看看这里的6问6答！！

公众号内回复“私藏资料”即可领取爬虫高级逆向教学视频以及多平台的中文数据集

免责声明： 本文章仅限用于学习和研究目的；不得将上述内容用于商业或者非法用途，否则，一切后果请读者自负。