weixin_sogou SNUID 验证：3 步跑通微信公众号文章爬虫

weixin_sogou SNUID 验证：3 步跑通微信公众号文章爬虫

【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

第一次跑 weixin_sogou，返回的永远是搜狗的反爬验证页，一行文章都拿不到。翻了十几行源码才发现，卡点藏在同一个 cookie 里——SNUID，weixin_sogou 反爬排查的整个流程其实就是 3 步。

问题长什么样 🚨

• 返回的 HTML 里没有任何搜索结果，页面卡在搜狗的"网络异常"验证页上
• soup.select("._item")返回空列表，get_account_info直接返回 None
• 同一份 cookies 昨天还好好的，今天每个请求都被当成新访客

为什么会卡住

搜狗微信像个先查票再放人的入口。你用正常浏览器访问时，服务器会发一张"票"（SNUID cookie），之后放行你的请求；爬虫不经过前台，拿不到票，服务器一看没票的请求，干脆不回数据，直接甩你到验证页。所以关键不是"破解"验证，而是先把票领到手，塞进请求里。

分步绕过：从 0 到跑通 ✅

步骤一：给请求装一个正常 UA。这一步做什么：在 Session 上设置一个真实浏览器的 User-Agent。为什么：服务器看到脚本 UA，连票都不愿意发给你。

102| s = requests.Session() 103| s.headers.update({"User-Agent": UA})

步骤二：先打一次搜索请求，完成"签到"。这一步做什么：先向weixin.sogou.com/weixin?query=123这样的搜索页发一次请求。为什么：这次请求的响应里，服务器会顺手把 SNUID 写出来，这是你领票的唯一入口。

步骤三：从响应体里把 SNUID 抠出来，写回 cookies。这一步做什么：用正则从响应文本里提取 SNUID 写进s.cookies，实在缺票时再补一个基于毫秒时间戳随机生成的 SUV（见 weixin_sogou.py 里update_cookies()的末尾）。为什么：搜狗有时只把票写在页面文本里，不会直接下发 Set-Cookie，必须自己抠。

151| if 'SNUID' not in s.cookies: 152| p = re.compile(r'(?<=SNUID=)\w+') 153| s.cookies['SNUID'] = p.findall(r.text)[0]

三步走完后，把这份 cookies 传给后续的get_account_info、parse_list等请求，数据就回来了。

常见踩坑点 ⚠️

问：SNUID 明明拿到了，为什么过一会儿又失效？票有有效期，而且绑定会话，请求越频繁掉得越快。再遇到验证页时，正确动作是重新跑一遍update_cookies()重新签到领新票，别指望旧 cookie 还能用。

问：cookies 没问题，但请求还是被拦，怎么排查？先检查 UA 和请求方式是否匹配——UA 装成浏览器、请求行为却不像浏览器，照样会被标记。其次把请求间隔拉开一点，高频访问是加速验证触发的最常见原因。

问：SUV 和 SNUID 有什么区别？SNUID 是服务器发的票，SUV 是爬虫自己算出来的号（毫秒时间戳拼随机数），两者要配套出现，搜狗会一起校验，缺一个都可能被拦。

整套绕过思路说白了就一句：先领票，再进园。如果你也正对着那个空白验证页发愣，打开 weixin_sogou.py 里的update_cookies()函数，对照上面 3 步逐行过一遍，你的爬虫马上就能跑通。

【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