大家好,我是辣条。
室友知道了我上次给班花修过电脑,追了我三条街,嘴里大骂我不当人子,怪我这种事情没带他。最后又舔着脸求我支招,这货竟然想追班花!辣条我为了兄弟两(收)肋(钱)插(办)刀(事),毫不犹豫的答应了。但是我只有班花的QQ和微信怎么办呢,那就从她平时发的动态着手,于是就有了这篇文章,不过最后我又发现了她的另一秘密!
采集数据目标
网址:QQ空间
工具使用
开发环境:win10、python3.7 开发工具:pycharm、Chrome 工具包:selenium,re,time
重点内容学习
前言
selenium为测试工具需要先配置安装驱动 博主用的是chorme浏览器,下载chormedrive 驱动下载地址驱动下载地址 下载完成之后将驱动exe放到Python安装目录
项目思路解析
控制selenium登录QQ空间
driver = webdriver.Chrome() # 这个是chormedriver的地址 driver.get('https://qzone.qq.com/') driver.switch_to.frame('login_frame') driver.find_element_by_id('switcher_plogin').click() driver.find_element_by_id('u').clear() driver.find_element_by_id('u').send_keys('QQ号') driver.find_element_by_id('p').clear() driver.find_element_by_id('p').send_keys(“QQ密码”) driver.find_element_by_id('login_button').click()
获取到好友QQ昵称以及QQ名称 g_tk为加密参数找到加密方法 g_tk值为cookie值进行加密获取p_skey的值进行加密 通过selenium提取到当前网页的cookie值 Python解密代码
for letter in cookie['p_skey']: hashes += (hashes << 5) + ord(letter) return hashes & 0x7fffffff cookie = {} # 初始化cookie字典 for elem in driver.get_cookies(): # 取cookies cookie[elem['name']] = elem['value'] gtk = tool.getGTK(cookie) # 通过getGTK函数计算gtk
获取到好友的QQ号的方法有很多,只有能提取到就行 获取好友说说信息的链接 获取到链接的数据信息
简易源码展示
from selenium import webdriver for letter in cookie['p_skey']: hashes += (hashes << 5) + ord(letter) return hashes & 0x7fffffff driver = webdriver.Chrome() driver.get('https://i.qq.com/') driver.switch_to.frame('login_frame') driver.find_element_by_id('bottom_qlogin').click() driver.find_element_by_name('u').clear() driver.find_element_by_name('u').send_keys('qq号') driver.find_element_by_name('p').clear() driver.find_element_by_name('p').send_keys('qq密码') driver.find_element_by_id('login_button').click() for i in driver.get_cookies(): cookie[i['name']] = i['value'] driver.get('https://user.qzone.qq.com/proxy/domain/r.qzone.qq.com/cgi-bin/tfriend/friend_hat_get.cgi?hat_seed=1&uin=1727948159fupdate=2&g_tk=' + str( gtk) + '&qzonetoken=e794139a284d6ea9e0b26826e541b55df37d0667a3544f534de25aebdb64628d3ab75e1d7104bbb22a' + '&g_tk=' + str( friend_list = driver.page_source abtract_pattern = ''''(.*?)':{ qq_name_list = re.findall(abtract_pattern, str(friend_list)) # 数组 for qq_info in qq_name_list: if qq_num == '对方QQ号': # 我只获取了一个 driver.get('https://user.qzone.qq.com/proxy/domain/taotao.qq.com/cgi-bin/emotion_cgi_msglist_v6?uin=' + qq_num + '&ftype=0&sort=0&pos=' + str( begin) + '&num=40&replynum=200&g_tk=' + str( gtk) + '&callback=_preloadCallback&code_version=1&format=jsonp&need_private_comment=1&qzonetoken=e794139a284d6ea9e0b26826e541b55df37d0667a3544f534de25aebdb64628d3ab75e1d7104bbb22a&g_tk=' + str( msg_json = driver.page_source msg_json_list = re.findall('_preloadCallback\((.*?)\);', str(msg_json)) data = json.loads(msg_json_list[0]) for text in data['msglist']: content = text['content'] createTime = text['createTime'] f = open('shuoshuo.text', 'a', encoding='utf-8') f.write('{},{},{},{}\n\n'.format(qq_num, qq_name, createTime, content))
效果图展示
结尾
我成功的把班花空间的数据爬取下来了,主要还是说说的内容,通过她的说说我竟然发现了她喜欢王俊凯,而且还是铁粉的那种,这下我室友是没戏了,哎可怜的娃儿...
PS:纯属技术交流学习,抓取的都是公开数据,没有进行非法牟利获取,最后室友转给我的钱请他吃饭喝酒去了【谁都有过这时候】,最后提醒大家,不要利用爬虫进行违规违法操作,一定要遵纪守法!
|