我用Python采集了班花的空间数据集,除了美照竟然再一次发现了她另外的秘密!
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
selenium使用 -gtk的加密方式 -数据信息的获取
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()
time.sleep(2)
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
def getGTK(cookie):
hashes = 5381
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
import json
import re
from selenium import webdriver
import time
def getGTK(cookie):
hashes = 5381
for letter in cookie['p_skey']:
hashes += (hashes << 5) + ord(letter)
return hashes & 0x7fffffff
# 封装函数的关键字
def start_spider():
driver = webdriver.Chrome()
driver.get("https://i.qq.com/")
driver.switch_to.frame('login_frame')
# time.sleep(10)
driver.find_element_by_id('bottom_qlogin').click()
# time.sleep(5)
driver.find_element_by_name('u').clear()
driver.find_element_by_name('u').send_keys('qq号')
# time.sleep(5)
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()
time.sleep(2)
cookie = {}
for i in driver.get_cookies():
cookie[i['name']] = i['value']
gtk = getGTK(cookie)
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(
gtk))
time.sleep(4)
friend_list = driver.page_source
# print(friend_list)
abtract_pattern = '''"(.*?)":{
"realname":"(.*?)"}'''
qq_name_list = re.findall(abtract_pattern, str(friend_list)) # 数组
print(qq_name_list)
for qq_info in qq_name_list:
qq_num = qq_info[0]
qq_name = qq_info[1]
if qq_num == "对方QQ号": # 我只获取了一个
count = 0
begin = 0
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(
gtk))
msg_json = driver.page_source
# print(msg_json)
msg_json_list = re.findall('_preloadCallback\((.*?)\);', str(msg_json))
print(msg_json_list)
data = json.loads(msg_json_list[0])
# print(data)
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))
start_spider()
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!
来源:五包辣条!