爬微信公众号文章总被拦截？一文讲透weixin_sogou是如何通过搜狗SNUID验证的

爬微信公众号文章总被拦截？一文讲透weixin_sogou是如何通过搜狗SNUID验证的

【免费下载链接】weixin_sogou爬取微信公众号文章项目地址: https://gitcode.com/gh_mirrors/we/weixin_sogou

爬取微信公众号文章时，新手最常碰到的拦截点，就是搜狗微信的 SNUID 验证。开源项目 weixin_sogou 就是为了解决这个问题：它负责爬取微信公众号文章，过程中自动处理 SNUID 验证与请求头检查，让你能顺利拿到账号信息、文章列表和正文内容。

第一次爬取就失败：搜狗微信的 SNUID 验证是什么

如果你自己写个爬虫直接请求 weixin.sogou.com，多半会遇到返回异常页、查不到结果的情况。原因在于 SNUID——搜狗在访客进入网站时下发的一个身份标识。可以把它类比成小区门口的访客证：没有证进不去，证过期了、或者被冒用过，门禁也不会放行。爬虫发请求时通常不带这个标识，所以一开始就被拦在了门外。

另外，搜狗还会检查每个请求的请求头，看起来像 HTTP 客户端而不像浏览器的请求，同样会招来怀疑。也就是说，反爬机制其实是两层：一层是"你是谁"（SNUID），一层是"你像不像真人"（请求头）。weixin_sogou 对这两层的应对办法都不复杂。

解法一：自动获取 SNUID 并写回会话

核心逻辑在 weixin_sogou.py 主脚本的 update_cookies() 函数里，一句话概括：先访问一次，发现手上没有访客证，就从页面里把证领出来。它先请求一次搜索页，如果发现 cookie 里还没有 SNUID，就用正则从响应内容里提取出来，写回会话：

if 'SNUID' not in s.cookies: p = re.compile(r'(?<=SNUID=)\w+') s.cookies['SNUID'] = p.findall(r.text)[0]

顺带一提，cookie 缺失时它还会随机生成一个 SUV 辅助标识，每次取值都不同，让每次访问的"指纹"都不一样。拿到 cookie 后，后续的 get_account_info、parse_list、parse_essay 三个抓取函数都直接带着它发请求，用户不需要手动复制粘贴任何 cookie。

解法二：用 User-Agent 模拟真实浏览器

第二层校验靠请求头。代码里定义了一个固定 UA，即 Windows 上 Chrome 浏览器的签名，无论是单次的 requests.get 还是会话级别的头部更新，都统一挂上这个头：

headers = {"User-Agent": UA}

相当于提前向服务器表明"我是浏览器"。它和 SNUID 访客证配合，就构成了完整的通行流程：查账号信息、拉文章列表、取文章正文，一步步走下来不会被卡在验证环节。

新手避坑：爬取之前要知道的三件事

1. cookie 会过期。最常见的问题是昨天还能跑、今天就不行了，这时重新执行一次 update_cookies() 刷新 SNUID 即可，不必改代码。
2. 别高频爬。SNUID 本质是访客标识，短时间用同一张"证"发大量请求，很容易触发限流甚至 IP 被封，建议在请求之间留出间隔。
3. 接口本身不稳定。项目 README 中已说明，因搜狗微信接口调整，服务处于不稳定状态。如果爬取失败，先确认接口是否变化，再怀疑反爬问题。

另外要说明的是，这套方案只针对公开可访问的搜索页面，数据请仅用于个人学习研究。

收尾

有获取微信公众号文章数据的需求时，可直接克隆项目：git clone https://gitcode.com/gh_mirrors/we/weixin_sogou ，先跑一次 update_cookies()，再按说明调用对应函数即可开工。

【免费下载链接】weixin_sogou爬取微信公众号文章项目地址: https://gitcode.com/gh_mirrors/we/weixin_sogou