WeChatStudy 项目下载及安装教程
2024-12-07 14:00:39作者:宗隆裙
1. 项目介绍
WeChatStudy 是一个用于学习和研究微信功能的开源项目。该项目通过注入微信核心 DLL 并搭建 HTTP 服务,实现与微信客户端的交互。项目仅供学习参考,禁止用于非法用途。
2. 项目下载位置
项目托管在 GitHub 上,可以通过以下步骤下载:
- 打开命令行工具(如 Git Bash 或终端)。
- 输入以下命令克隆项目到本地:
git clone https://github.com/fjqisba/WeChatStudy.git
3. 项目安装环境配置
3.1 安装 Python 环境
确保你的系统中已经安装了 Python 3.x。如果没有安装,可以从 Python 官方网站下载并安装。
3.2 安装依赖库
进入项目目录,使用以下命令安装所需的 Python 库:
pip3 install pywin32
pip3 install numpy
pip3 install pefile
3.3 环境配置示例
以下是环境配置的示例图片:

4. 项目安装方式
4.1 下载微信安装包
根据项目说明,下载支持的微信版本安装包。建议使用 3.8.0.33 版本。
4.2 安装微信
运行下载的微信安装包,按照提示完成微信的安装。
4.3 配置项目
- 将项目中的
WeChatDLL文件夹中的 DLL 文件注入到微信中。 - 运行
WeChatClient文件夹中的客户端程序,通过 HTTP 协议与WeChatDLL进行交互。
5. 项目处理脚本
5.1 接收消息
使用以下 Python 脚本接收消息:
import requests
resp = requests.get("http://127.0.0.1:5000/syncMsg")
print(resp.text)
5.2 发送文本消息
使用以下 Python 脚本发送文本消息:
import requests
data = {
"to_wxid": "filehelper",
"msg": "hello wechat"
}
resp = requests.post("http://127.0.0.1:5000/sendTextMsg", json=data)
print(resp.text)
5.3 发送图片
使用以下 Python 脚本发送图片:
import requests
data = {
"to_wxid": "filehelper",
"image_path": "D:\\test.png"
}
resp = requests.post("http://127.0.0.1:5000/sendImageMsg", json=data)
print(resp.text)
5.4 发送文件
使用以下 Python 脚本发送文件:
import requests
data = {
"to_wxid": "filehelper",
"file_path": "D:\\test.bin"
}
resp = requests.post("http://127.0.0.1:5000/sendFile", json=data)
print(resp.text)
通过以上步骤,你可以成功下载、安装并运行 WeChatStudy 项目。
登录后查看全文
热门项目推荐
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C096
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python058
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
AgentCPM-Explore没有万亿参数的算力堆砌,没有百万级数据的暴力灌入,清华大学自然语言处理实验室、中国人民大学、面壁智能与 OpenBMB 开源社区联合研发的 AgentCPM-Explore 智能体模型基于仅 4B 参数的模型,在深度探索类任务上取得同尺寸模型 SOTA、越级赶上甚至超越 8B 级 SOTA 模型、比肩部分 30B 级以上和闭源大模型的效果,真正让大模型的长程任务处理能力有望部署于端侧。Jinja00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
477
3.55 K
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
227
95
暂无简介
Dart
727
175
React Native鸿蒙化仓库
JavaScript
287
340
Ascend Extension for PyTorch
Python
285
319
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.27 K
702
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
10
1
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
849
442
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
65
19