新闻详情

新闻详情

首页 / 资讯中心 / 详情

微信机器人 API 开发:自己的朋友圈列表接口与翻页机制解析

发布时间:2026/11/4 18:40:28来源:尧图网络
微信机器人 API 开发:自己的朋友圈列表接口与翻页机制解析
正文在微信机器人的朋友圈相关能力中获取自己的朋友圈列表是数据同步类需求的基础接口。无论是做朋友圈内容归档、互动数据统计还是多账号的朋友圈管理后台第一步都是通过微信 API把时间线数据完整拉下来。本文记录WTAPI 微信机器人接口中自己的朋友圈列表接口snsList的对接思路。接口地址为/finder/v2/api/sns/snsList采用 HTTP POST 方式调用属于微信个人号二次开发的朋友圈模块。入参有四个字段appId设备实例 ID登录后获取maxId翻页游标首次请求传 0第二页起传上一页返回的maxId它的值就是当前列表最后一条朋友圈的 snsIddecrypt是否解密默认true一般保持默认即可拿到可解析的内容firstPageMd5另一个翻页校验 key首次传空后续传上一页返回的值。这个接口的翻页设计是双游标机制maxId决定从哪一条继续往下取firstPageMd5用于保证整次翻页会话的一致性。两者必须成对保存、成对回传否则可能出现翻页中断或数据重复。返回结果中data包含snsCount本页条数、requestTime、maxId、firstPageMd5以及核心的snsList数组。每条朋友圈的主要字段有id朋友圈 ID即 snsIduserName、nickName发布者的 wxid 和昵称createTime发布时间戳snsXml朋友圈的完整原始 XML正文、图片、视频、定位等内容都在里面likeCount/likeList点赞数量与列表commentCount/commentList评论数量与列表withUserCount/withUserList提到的相关用户。入参有四个字段Unirest.setTimeouts(0,0);HttpResponseStringresponseUnirest.post(https://wx.chuapi.com/finder/v2/api/sns/snsList).header(X-finder-TOKEN,).header(Authorization,Bearer eyJhbGciOiJIUzUxMiJ9.eyJsb2dpbl91c2VyX2tleSI6IjAxNmM2ZDQ5LWIxNWMtNGRjMy05YzQzLWZmYzZmNDhhMTg3MyJ9.1JWq9ntjam20_XDlSbklWTxbV-vg-F_dY1LYVX05BndRAuaJbv3iSwoDY-BuMwe1sdKxDXtDTMWJgXNMff4nOg).header(Content-Type,application/json).body({\n \appId\: \wx_e2PiMSX8ySDV6tQGroCDc\,\n \maxId\: 0,\n \decrypt\: true,\n \firstPageMd5\: \\\n}).asString();开发中有几个关键点第一正文和媒体内容要从snsXml里解析。文字在contentDesc节点图片或视频在ContentObject的mediaList中通过type区分如图文、小视频定位信息在location节点。建议封装统一的 XML 解析层。第二循环翻页要有终止条件当返回的snsList为空或snsCount为 0 时表示已拉到底同时要限制最大页数防止异常情况下死循环。第三素材链接建议转存。XML 中的图片、视频地址是微信 CDN 临时链接有时效性需要长期保存的话要及时下载到自己的对象存储。第四控制拉取频率。朋友圈列表属于较重的接口全量同步建议放在低峰期定时执行增量同步则可以只拉前几页、用 snsId 去重。小结自己的朋友圈列表接口的核心不在调用本身而在于maxId firstPageMd5 双游标翻页和snsXml 的结构化解析。把这两件事处理好再配合点赞评论字段的入库微信机器人的朋友圈数据采集与微信个人号二次开发的内容管理就有了完整的数据来源。
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/4 15:56:54

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/3 12:09:35

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/4 17:01:23

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/4 12:33:12

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/4 1:25:31

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/4 3:51:11

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉