Python爬取qq空间说说的实例代码

具体代码如下所示：

#coding:utf-8
#!/usr/bin/python3
from selenium import webdriver
import time
import re
import importlib2
import sys
importlib2.reload(sys)
def startSpider():
 driver = webdriver.Chrome('/Users/zachary/zachary/chromedriver.exe') #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') #这里填写你的QQ号
 driver.find_element_by_id('p').clear()
 driver.find_element_by_id('p').send_keys('QQ密码') #这里填写你的QQ密码
 driver.find_element_by_id('login_button').click()
 time.sleep(2)
 #设置爬取内容保存路径
 f = open('/Users/zachary/Documents/shuoshuo.txt','w')
 #---------------获得g_qzonetoken 和 gtk
 html = driver.page_source
 '''g_qzonetoken=re.search('window\.g_qzonetoken = \(function\(\)\{ try\{return (.*?);\} catch\(e\)',html)#从网页源码中提取g_qzonetoken'''
 g_qzonetoken = "e794139a284d6ea9e0b26826e541b55df37d0667a3544f534de25aebdb64628d3ab75e1d7104bbb22a"
 cookie = {}#初始化cookie字典
 for elem in driver.get_cookies():#取cookies
   cookie[elem['name']] = elem['value']
 gtk=getGTK(cookie)#通过getGTK函数计算gtk
 #print(g_qzonetoken)
 #print(gtk)
 #--------------获得好友列表  注意下面的链接
 driver.get('https://user.qzone.qq.com/proxy/domain/r.qzone.qq.com/cgi-bin/tfriend/friend_hat_get.cgi?hat_seed=1&uin=你的QQ号fupdate=1&g_tk='+str(gtk)+'&qzonetoken='+str(g_qzonetoken)+'&g_tk='+str(gtk))
 friend_list = driver.page_source
 friend_list = str( friend_list )
 abtract_pattern = re.compile('\"(.\d*)\":\{\\n"realname":"(.*?)"}',re.S)
 QQ_name_list = re.findall(abtract_pattern,str(friend_list)) #数组
 print(QQ_name_list)
 numList=dict()# numList => (QQnum:QQname) #列表
 for i in QQ_name_list:
   numList[str(i[0])]=str(i[1])
 begin = 0
 last_source = ""
 tag = 1
 first = 0
 firstTime=""
 #如果要爬取自己的说说，手动添加自己的qq号
 #numList['你的qq号']='你的名字'
 #print(numList)
 for key in numList.keys():
   QQnum = key
   QQname = numList[QQnum]
   if QQnum == "好友qq号": #根据qq号查找指定好友说说
     count = 1
     begin = 0
     while tag==1 :
       #-------------进入好友说说页面                                    #'+QQnum+'       '+str(begin)+'
       #print("Begin:"+str(begin))
       driver.get('https://user.qzone.qq.com/proxy/domain/taotao.qq.com/cgi-bin/emotion_cgi_msglist_v6?uin='+QQnum+'&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='+str(g_qzonetoken)+'&g_tk='+str(gtk))
       try:
         msg_list_json = driver.page_source
       except:
         begin = begin + 40
         continue
       msg_list_json = str(msg_list_json)
       if last_source==msg_list_json :
         break
       else:
         last_source=msg_list_json
       #检测是否没有权限访问
       abtract_pattern = re.compile(',"message":"(.*?)","name":',re.S)
       message = re.findall(abtract_pattern,str(msg_list_json))
       if message!=[]:
         if str(message[0])=='对不起,主人设置了保密,您没有权限查看':#对不起,主人设置了保密,您没有权限查看
           break
       #print(msg_list_json)
       #解析JSON
       #webDriver没有现成的JSON解析器，所以采用获取源码的方式，然后使用正则表达式获取具体细节
       msg_list_json = msg_list_json.split("msglist")[1]#拆分json，缩小范围，也能加快解析速度
       msg_list_json = msg_list_json.split("smoothpolicy")[0]
       msg_list_json = msg_list_json.split("commentlist")[1:]
       #说说动态分4种：1、文字说说（或带有配图的文字说说）
       #       2、只有图片的说说
       #       3、转发，并配有文字
       #       4、转发，不配文字
       for text in msg_list_json:
         # 1、先检查说说，用户是否发送了文字，如果没有文字，正则表达式匹配无效
         abtract_pattern = re.compile('\}\],"content":"(.*?)","createTime":"(.*?)","created_time":(.*?),"',re.S)
         msg_time = re.findall(abtract_pattern,str(text))
         if msg_time!=[]:
           # 2、如果作者说说有文字，那么检查是否有转发内容
           msg = str(msg_time[0][0])
           sendTime = str(msg_time[0][1])
           abtract_pattern = re.compile('\}\],"content":"(.*?)"},"rt_createTime":"(.*?)","',re.S)
           text = text.split("created_time")[1]
           msg_time2 = re.findall(abtract_pattern,str(text))
           #合并发送内容 格式：评论+转发内容
           if msg_time2!=[]:
             msg = msg +" 转发内容:"+str(msg_time2[0][0])
         else:
           # 3、说说内容为空，检查是否为 =>只有图片的说说 or 转发，不配文字
           #获取正文发送时间 （发送时间分为：正文发送时间 or 转发时间）
           abtract_pattern = re.compile('"conlist":null,"content":"","createTime":"(.*?)",',re.S)
           msgNull_time = re.findall(abtract_pattern,str(text))
           if msgNull_time!=[]:
             #如果有正文发送时间，那么就是这条说说仅含有图片 =>只有图片的说说
             msg = "图片"
             sendTime = str(msgNull_time[0])
           else:
             #如果没有正文发送时间，那么就是说这条说为 =>转发，不配文字
             abtract_pattern = re.compile('\}\],"content":"(.*?)"},"rt_createTime":"(.*?)","',re.S)
             msg_time = re.findall(abtract_pattern,str(text))
             msg =" 转发内容:"+str(msg_time[0][0])
             sendTime = str(msg_time[0][1])
         #写入本地文件
         #f.write('{},{},{},{}\n'.format(str(QQname),str(QQnum),sendTime,msg))
         print(str(count)+" : "+str(QQname)+" : "+str(QQnum)+" : "+sendTime+" : "+msg)
         count = count + 1
       begin = begin + 40
def getGTK(cookie):
 hashes = 5381
 for letter in cookie['p_skey']:
   hashes += (hashes << 5) + ord(letter)
 return hashes & 0x7fffffff
startSpider()
print("爬取结束")

总结

以上所述是小编给大家介绍的Python爬取qq空间说说的实例代码网站的支持！

来源：https://www.jianshu.com/p/c2f26ca2fe3f