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!

    物联沃分享整理
    物联沃-IOTWORD物联网 » 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!

    发表评论