如何从在安卓Android手机获取微信小程序源代码

article/2025/9/15 10:29:06

如何从在安卓Android手机获取微信小程序源代码

在这里插入图片描述

获取微信小程序源代码两种方法:

1、在手机中获取。但需要获取手机的root权限,获得微信小程序的wxapkg包;
2、运用模拟器,在电脑上运行微信小程序,获得微信小程序的wxapkg包;

第一个方法有点难,下文以第二种方法展开。

使用到的工具:

1、“电脑端的安卓模拟器”安装包:推荐使用“夜神模拟器”,可从其官方网站获得该安装包:https://www.yeshen.com/;
2、微信.apk:可从其官方网站获得该安装包:https://weixin.qq.com/;
3、RE管理器.apk:给我留言获得(这类资源经常被和谐);
4、“Node.js”安装包:可从其官方网站获得该安装包:http://nodejs.cn/download/;
5、反编译的脚本:给我留言获得(这类资源经常被和谐)。

步骤一:在Windows下,安装“夜神安卓模拟器

1.1 找到“夜神安卓模拟器”的官方网站:https://www.yeshen.com/;

1.2 在其官方首页中,下载最新的夜神安卓模拟器安装包,进行下载;

在这里插入图片描述在这里插入图片描述

1.3 双击安装包,开始安装夜神安卓模拟器。安装过程中无特殊操作,等待提示“安装完成“;

在这里插入图片描述在这里插入图片描述

步骤二:在模拟器中,安装“微信”App

2.1 双击运行“夜神安卓模拟器”(打开后效果如下)。

在这里插入图片描述
在这里插入图片描述###

2.2 利用“夜神安卓模拟器”的浏览器,下载最新版本的“微信”(微信版本版本过低,会导致无法使用微信)。

在这里插入图片描述
在这里插入图片描述

2.3 在浏览器的地址栏输入微信官方网址:https://weixin.qq.com/,并敲回车键,打开该网站,找到下载微信的按钮;

在这里插入图片描述

2.4 和手机一样,下拉顶部显示相关信息。单击弹出项,开始安装微信(和手机上一样);

在这里插入图片描述在这里插入图片描述

2.5 鼠标单击模拟器右下角“主页”按钮,返回模拟器主界面。会看到安卓好的微信;

在这里插入图片描述
在这里插入图片描述

步骤三:在模拟器中登录微信,并打开需要获取源码的“小程序”

3.1 在模拟器中,登录微信。

在这里插入图片描述在这里插入图片描述

3.2 在微信的小程序中,搜索需要获取源代码的“小程序名称”,并打开。以“进制转换器”为例;

在这里插入图片描述在这里插入图片描述
在这里插入图片描述在这里插入图片描述

步骤四:在模拟器中,安装“Re管理器”App

4.1 获取“RE管理器.apk”可以向我留言,暂不提供下载路径,担心被和谐。

在这里插入图片描述

4.2 在模拟器中,安装“RE管理器.apk”。在模拟器的右侧有一个“安装APK”选项,找到“RE管理器.apk”在电脑中的存放路径,安装该App。

在这里插入图片描述
在这里插入图片描述在这里插入图片描述

4.3 在模拟器中,打开“RE管理器.apk”。打开时候需要获取权限,允许授权即可。

在这里插入图片描述在这里插入图片描述

4.4 在“RE管理器”中,找到存放小程序源代码的目录/data/data/com.tencent.mm/MicroMsg/appbrand(类似一个a8b3488516c9d81e1d5f511891583cf9文件,别的教程是不会告诉你的)/pkg/就抵达了目的文件夹。

在这里插入图片描述在这里插入图片描述在这里插入图片描述

4.5 选中“*.wxapkg”文件,对这些文件进行压缩;

在这里插入图片描述在这里插入图片描述在这里插入图片描述

4.6 将压缩后的文件,发送至“邮箱”或者“微信”,从而获得小程序源代码;

在这里插入图片描述在这里插入图片描述在这里插入图片描述

步骤五:下载并打开“Node.js”

5.1 “Node.js”官方网站:http://nodejs.cn/download/,下载适合自己的版本,并打开“Node.js”

在这里插入图片描述 在这里插入图片描述在这里插入图片描述

步骤六:使用反编译脚本解包 wxapkg,获得小程序源代码

假设"*.wxapkg"存放在“C:\Users******\Desktop\abc\wxappUnpacker-master”路径下。在打开的node.js中依次输入相应的指令:
在这里插入图片描述

6.1 cd 到你clone或者下载好的反编译脚本目录下,输入指令:cd C:\Users***\Desktop\abc\wxappUnpacker-master

在这里插入图片描述

6.2 输入指令:npm install esprima

在这里插入图片描述

6.3 输入指令:npm install css-tree

在这里插入图片描述

6.4 输入指令:npm install cssbeautify

在这里插入图片描述

6.5 输入指令:npm install vm2

在这里插入图片描述

6.6 输入指令:“npm install uglify-es”;

在这里插入图片描述

6.7 输入指令:npm install js-beautify;

在这里插入图片描述

6.8 输入指令:npm install escodegen -g;

在这里插入图片描述

6.9 安装好依赖之后,反编译 .wxapkg 文件;

在当前目录下输入:
node wuWxapkg.js [-d] <files…> //files 就是你想要反编译的文件名
例如:我有一个需要反编译的文件 _-70156332_3.wxapkg已经解压到了D盘根目录下,那么就输出命令:
node wuWxapkg.js D:_-70156332_3.wxapkg
在这里插入图片描述在这里插入图片描述在这里插入图片描述

6.10 完成(6.9)后,在“*.wxapkg ” 文件的相同路径下,生成一个同名的文件夹,获得小程序源代码;

在这里插入图片描述

欢迎大家给我留言!!!
或关注我的微信公众号:汽车电子助手
在这里插入图片描述
END


http://chatgpt.dhexx.cn/article/EfOXH1Cl.shtml

相关文章

小程序源码提取工具 完美解包,最新脚本,一键提取小程序源代码工具

小程序源码提取工具 完美解包&#xff0c;最新脚本&#xff0c;一键提取小程序源代码工具 小程序解包工具&#xff0c;具体功能请百度一下&#xff0c;解码后直接换掉人家的地址就OK 那么如何才能在手机里找到小程序的源文件包呢&#xff1f; 具体目录位置直接给出&#xff1a…

抖音壁纸小程序源代码

抖音壁纸小程序源代码 个人微信&#xff1a;2549789059 技术选型 技术 版本 说明 Spring Boot 2.1.5 MVC核心框架 MyBatis plus ORM框架 Swagger-UI 2.9.2 文档生产工具 lombok 1.16.10 简化对象封装工具 swagger-bootstrap 1.9.3 基于swagger&#xff0c;更便于国人使用的sw…

mac微信小程序源代码找回

文章目录 1. 电脑中安装安卓模拟器- 可选模拟器- 下载安装包- 电脑中解压 2. 模拟器中安装所需软件- 安装微信app- 安装 RE 文件管理器 3. 设置root权限- 夜神模拟器- 网易mumu模拟器 4. 获取小程序wxapkg文件- 登录微信- 打开小程序- 进入RE文件管理器- 传输文件 5. 反编译- 下…

小程序源代码 古诗词

小程序源代码 古诗词 1.代码地址 https://gitee.com/tonygeli/open_gushici 2.小程序预览 3.部分截图 4.项目结构 . ├── README.md ├── project.config.json // 项目配置文件 ├── cloudfunctions | 云环境 …

概率论基础学习

文章目录 随机试验样本空间事件间关系古典概型条件概率贝叶斯公式总结&#xff1a;概率的基本公式事件的独立性独立重复试验 期望&#xff0c;方差&#xff0c;协方差&#xff0c;协方差矩阵期望方差协方差相关系数 随机变量概率分布离散型随机变量分布0-1分布二项分布泊松分布…

概率论基础 —— 9. 协方差

这是一个非常重要的知识&#xff0c;我这倒不是说考试会如何关照这个知识点。而是说如果你想进一步深入数据科学的领域&#xff0c;就会在很多论文、模型里发现大量用于评判模型和分析样本关联度特征时&#xff0c;会经常用到协方差的概念。这也是为什么我在上一章节里提到协方…

模式识别学习笔记(1)概率论基础知识

大学的时候&#xff0c;我的《概率论和数理统计》这门课一共挂过3次&#xff0c;而且我记得最后一次考过的时候刚刚及格&#xff0c;只有60分。你可以想象我的《概率论》这门课学的是有多差了。后来&#xff0c;我工作以后&#xff0c;在学习数据分析技能时&#xff0c;又重新把…

概率论基础__排列与组合

在古典概型中&#xff0c; 计算事件的概率经常用到排列组合及其总数计算公式&#xff0c; 在此给出排列组合的定义及其相关公式。 一. 两个基本原理 1. 乘法原理 如果某件事需经 k 步才以完成&#xff0c; 做第一步有 m₁种方法&#xff0c; 做第二步有 m₂ 种方法&#xff0…

概率论基础知识各种分布

离散分布&#xff1a;伯努力分布&#xff0c;二项分布&#xff0c;possion分布 一&#xff0c;伯努力分布 #执硬币 x_arrnp.array([0,1]) #x为1的概率 p0.7 #0 1分布 #由PMF生成对应的概率 离散事件 pr_arrstats.bernoulli.pmf(x_arr,p) plt.plot(x_arr,pr_arr,markero,lines…

机器学习——概率论基础

公式一&#xff1a;设A&#xff0c;B 是两个事件&#xff0c;且A不是不可能事件&#xff0c;则称 为在事件A发生的条件下&#xff0c;事件B发生的条件概率。一般地&#xff0c; &#xff0c;且它满足以下三条件&#xff1a; &#xff08;1&#xff09;非负性&#xff1b;&#…

机器学习基础:概率论基础

机器学习基础&#xff1a;概率论基础 机器学习基础&#xff1a;随机变量及其概率分布 机器学习基础&#xff1a;大数定律与中心极限定理 机器学习必备基础知识&#xff0c;力求以最简洁的语言&#xff0c;描述最完整的内容。 很多知识没有深入剖析&#xff0c;也没必要深入剖析…

Ross《概率论基础教程》—Note 1

第一章——组合分析 1. 很多概率论中的问题只要通过计算某个事件发生的结果的数目就能解决&#xff0c;关于计数的数学理论就是组合分析&#xff08;Combinatorial Analysis&#xff09;。 2. 计数的基本法则&#xff1a;假设一共有r个实验&#xff0c;实验i有个结果&#xf…

概率论基础知识汇总

文章目录 矩&#xff1a;原始矩&#xff0c;中心矩协方差和相关系数大数定律 矩&#xff1a;原始矩&#xff0c;中心矩 存在意义&#xff1a; 在数学和统计学中&#xff0c;矩&#xff08;moment&#xff09;是对变量分布和形态特点的一组度量。 原点矩和中心距的定义 直接…

概率论的基础概念(1)

重点讲述&#xff1a; 首先&#xff0c;最重要的前提&#xff1a; &#xff08;1&#xff09;随机试验&#xff08;大量&#xff08;无穷次&#xff09;重复试验&#xff09;是概率论的基础&#xff01;&#xff01;&#xff01; &#xff08;2&#xff09;随机变量是不确定的&…

概率论基础

概率论基础 1. 随机事件 1.1. 概念 1.1.1. 随机现象 在一定的条件下&#xff0c;并不总是出现相同的结果的现象称为随机现象&#xff0c;如抛一枚硬币与掷一颗骰子。随机现象有两个特点&#xff1a; 结果不止一个&#xff1b;哪一个结果出现&#xff0c;人们事先不知道。 …

概率论基础知识(一)概率论基本概念

概率论 0. 前言 本文主要旨在对概率论的基础概念与知识进行概要的总结&#xff0c;以便于使用到时可以参考。 概率论是数理统计的基础&#xff0c;也是很多机器学习模型的支撑&#xff0c;概率论在机器学习中占主要地位&#xff0c;因为概率论为机器学习算法的正确性提供了理…

SSD算法理解(2)

作者&#xff1a;叶 虎 编辑&#xff1a;祝鑫泉 前言 目标检测近年来已经取得了很重要的进展&#xff0c;主流的算法主要分为两个类型&#xff1a;&#xff08;1&#xff09;two-stage方法&#xff0c;如R-CNN系算法&#xff0c;其主要思路是先通过启发式方法&#xff08;selec…

SSD算法详解default box

本文提出的SSD算法是一种直接预测目标类别和bounding box的多目标检测算法。 与faster rcnn相比&#xff0c;该算法没有生成 proposal 的过程&#xff0c;这就极大提高了检测速度。针对不同大小的目标检测&#xff0c;传统的做法是先将图像转换成不同大小&#xff08;图像金字塔…

【个人整理】一文看尽目标检测算法SSD的核心架构与设计思想

前言&#xff1a;SSD&#xff08;Single Shot MultiBox Detector&#xff09;是大神Wei Liu在 ECCV 2016上发表的一种的目标检测算法。对于输入图像大小300x300的版本在VOC2007数据集上达到了72.1%mAP的准确率并且检测速度达到了惊人的58FPS&#xff08; Faster RCNN&#xff1…

目标检测:SSD算法原理综述

SSD&#xff08;Single Shot Detection&#xff09;是一个流行且强大的目标检测网络&#xff0c;网络结构包含了基础网络&#xff08;Base Network&#xff09;&#xff0c;辅助卷积层&#xff08;Auxiliary Convolutions&#xff09;和预测卷积层&#xff08;Predicton Convol…