微信机器人WeChat-PyRobot开源项目教程
2025-05-21 23:25:19作者:咎岭娴Homer
1. 项目介绍
WeChat-PyRobot是一个开源项目,通过将Python代码注入到微信进程中,实现微信机器人的功能。它可以发送文本、图片、AT消息等,还能hook微信日志输出、接收消息、防止消息撤回等。项目基于Python开发,提供了丰富的插件接口,用户可以自定义插件来扩展机器人的功能。
2. 项目快速启动
环境准备
- 安装支持的微信版本(例如3.9.8.15)。
- 安装Python,版本大于等于3.8(建议使用3.8版本来避免bug)。
- 使用pip安装WeChat-PyRobot库:
pip install wechat_pyrobot==1.3.0
如果国内源没有同步最新版本,可以使用pip官方库指定安装:
pip install wechat_pyrobot==1.3.0 -i https://pypi.org/simple/
启动步骤
- 创建一个名为
robot_code的目录。 - 在该目录下创建一个
main.py文件,并写入以下代码:
from py_process_hooker import inject_python_and_monitor_dir
from wechat_pyrobot import get_on_startup
from wechat_pyrobot.msg_plugins import PrintMsg, DownLoadEmotion
from wechat_pyrobot.other_plugins import HttpApi
if __name__ == "__main__":
process_name = "WeChat.exe"
open_console = True
on_startup = get_on_startup(
msg_plugins=[
PrintMsg,
DownLoadEmotion
],
other_plugins=[
HttpApi
]
)
inject_python_and_monitor_dir(
process_name,
__file__,
open_console=open_console,
on_startup=on_startup
)
- 启动并登录微信。
- 运行
main.py,Python将注入到微信进程中并打开控制台。
3. 应用案例和最佳实践
发送消息
import requests
url = "http://127.0.0.1:26666/sendmsg"
params = {
"touser": "filehelper",
"msg": "测试消息"
}
requests.get(url, params=params)
发送AT消息
import requests
import json
url = "http://127.0.0.1:26666/sendatmsg"
data = {
"touser": "11111111111@chatroom",
"msg": "@昵称 222222",
"atwxid": "被@人的wxid"
}
headers = {
"content-type": "application/json"
}
print(requests.get(url, params=data).json())
发送图片消息
import requests
url = "http://127.0.0.1:26666/sendimage"
params = {
"touser": "filehelper",
"path": r"C:\Users\Administrator\Pictures\图片1.jpg"
}
requests.get(url, params=params)
获取联系人列表
import requests
url = "http://127.0.0.1:26666/contacts"
print(requests.get(url).json())
自定义插件
创建一个名为save_to_file.py的文件,用于将消息保存到文件中:
import os
import json
from wechat_pyrobot.plugin_class import MsgPluginTemplate
class SaveToFile(MsgPluginTemplate):
def __init__(self, **kwargs):
self.name = os.path.basename(__file__)[: -3]
super().__init__(**kwargs)
self.msg_save_path = os.path.join(kwargs["pwd"], "msg_save_path")
os.makedirs(self.msg_save_path, exist_ok=True)
def deal_msg(self, msg_dict):
path = os.path.join(self.msg_save_path, f'{msg_dict["msgid"]}.json')
with open(path, 'w', encoding='utf-8') as f:
f.write(json.dumps(msg_dict))
在main.py中导入并使用自定义插件:
from my_msg_plugin.save_to_file import SaveToFile
# 其他代码保持不变
on_startup = get_on_startup(
msg_plugins=[
PrintMsg,
DownLoadEmotion,
SaveToFile
],
other_plugins=[
HttpApi
]
)
4. 典型生态项目
WeChat-PyRobot项目周边有许多扩展插件和衍生项目,以下是一些典型的生态项目:
pywxrobot2.0:新版本的微信机器人项目,使用C++进行hook层面的事务,使用aardio加载Python作为插件语言。- 各类自定义插件:用户根据自己的需求开发的用于特定场景的插件,如自动回复、消息统计、数据分析等。
登录后查看全文
热门项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
最新内容推荐
MQTT客户端软件源代码:物联网开发的强大工具与最佳实践指南 Launch4j中文版:Java应用程序打包成EXE的终极解决方案 全球GEOJSON地理数据资源下载指南 - 高效获取地理空间数据的完整解决方案 TortoiseSVN 1.14.5.29465 中文版:高效版本控制的终极解决方案 IK分词器elasticsearch-analysis-ik-7.17.16:中文文本分析的最佳解决方案 电脑PC网易云音乐免安装皮肤插件使用指南:个性化音乐播放体验 STM32到GD32项目移植完全指南:从兼容性到实战技巧 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 基于Matlab的等几何分析IGA软件包:工程计算与几何建模的完美融合 XMODEM协议C语言实现:嵌入式系统串口文件传输的经典解决方案
项目优选
收起
deepin linux kernel
C
26
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
419
3.22 K
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
9
1
🔥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
暂无简介
Dart
684
160
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
🎉 (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
1.22 K
665
React Native鸿蒙化仓库
JavaScript
266
326
无需学习 Kubernetes 的容器平台,在 Kubernetes 上构建、部署、组装和管理应用,无需 K8s 专业知识,全流程图形化管理
Go
15
1
Ascend Extension for PyTorch
Python
230
260