Python 官方文档:入门教程 => 点击学习
这期内容当中小编将会给大家带来有关使用python爬取网页版QQ空间,文章内容丰富且以专业的角度为大家分析和叙述,阅读完这篇文章希望大家可以有所收获。各类图表的实现效果爬取的说说内容个性化说说内容词云图每年发表说说总数柱状图、每年点赞和评论
这期内容当中小编将会给大家带来有关使用python爬取网页版QQ空间,文章内容丰富且以专业的角度为大家分析和叙述,阅读完这篇文章希望大家可以有所收获。
按照你的谷歌浏览器下载指定版本的驱动 Http://chromedriver.storage.Googleapis.com/index.html
驱动跟两个Python脚本放入同目录,我的版本是90.0.4430的,查看你自己的版本,下载后把我的chromedriver.exe替换掉!
这里用到了很多第三方包,鼠标放在报红的包名下,用Alt+Enter导包,如果失败则在控制台用下面的必杀技
pip install 包名 -i http://pypi.douban.com/simple/ --trusted-host pypi.douban.com
qq空间txt.py
import timefrom selenium import WEBdriverfrom lxml import etree# 这里一定要设置编码格式,防止后面写入文件时报错friend = '1569339843' # 朋友的QQ号,朋友的空间要求允许你能访问user = '783533896' # 你的QQ号pw = '1323mkoNJI.@' # 你的QQ密码# 获取浏览器驱动chrome_driver = 'chromedriver.exe'driver = webdriver.Chrome(executable_path=chrome_driver)# 浏览器窗口最大化driver.maximize_window()# 浏览器地址定向为qq登陆页面driver.get("http://i.qq.com")# 所以这里需要选中一下frame,否则找不到下面需要的网页元素driver.switch_to.frame("login_frame")time.sleep(3)# 自动点击账号登陆方式driver.find_element_by_id("switcher_plogin").click()time.sleep(3)# 账号输入框输入已知qq账号driver.find_element_by_id("u").send_keys(user)time.sleep(5)# 密码框输入已知密码driver.find_element_by_id("p").send_keys(pw)time.sleep(5)# 自动点击登陆按钮driver.find_element_by_id("login_button").click()time.sleep(5)# 让webdriver操纵当前页driver.switch_to.default_content()time.sleep(5)# 跳到说说的url, friend你可以任意改成你想访问的空间driver.get("http://user.qzone.qq.com/" + friend + "/311")time.sleep(5)next_num = 0 # 初始“下一页”的idwhile True: # 下拉滚动条,使浏览器加载出动态加载的内容, # 我这里是从1开始到6结束 分5 次加载完每页数据 for i in range(1, 6): height = 20000 * i # 每次滑动20000像素 strWord = "window.scrollBy(0," + str(height) + ")" driver.execute_script(strWord) time.sleep(4) # 很多时候网页由多个<frame>或<iframe>组成,webdriver默认定位的是最外层的frame, # 所以这里需要选中一下说说所在的frame,否则找不到下面需要的网页元素 driver.switch_to.frame("app_canvas_frame") selector = etree.HTML(driver.page_source) divs = selector.xpath('//*[@id="msgList"]/li/div[3]') # 这里使用 a 表示内容可以连续不清空写入 with open('qq_word.txt', 'a', encoding="utf-8") as f: for div in divs: qq_name = div.xpath('./div[2]/a/text()') qq_content = div.xpath('./div[2]/pre/text()') qq_time = div.xpath('./div[4]/div[1]/span/a/text()') qq_praise = div.xpath('./div[4]/div[2]/span/span/a[2]/text()') qq_comment = div.xpath('./div[4]/div[2]/a[3]/text()') qq_name = qq_name[0] if len(qq_name) > 0 else '' qq_content = qq_content[0] if len(qq_content) > 0 else '' qq_content = qq_content.replace('\n', ' ') qq_time = qq_time[0] if len(qq_time) > 0 else '' qq_praise = qq_praise[0] if len(qq_praise) > 0 else '' qq_comment = qq_comment[0] if len(qq_comment) > 0 else '' print(qq_name, qq_time, qq_content, qq_praise, qq_comment) f.write(qq_content + "\n") # 当已经到了尾页,“下一页”这个按钮就没有id了,可以结束了 if driver.page_source.find('pager_next_' + str(next_num)) == -1: break # 找到“下一页”的按钮,因为下一页的按钮是动态变化的,这里需要动态记录一下 driver.find_element_by_id('pager_next_' + str(next_num)).click() # “下一页”的id next_num += 1 # 因为在下一个循环里首先还要把页面下拉,所以要跳到外层的frame上 driver.switch_to.parent_frame()# 关闭浏览器driver.quit()
各种图表的生成
import pandas as pdfrom pyecharts.charts import Barfrom pyecharts.charts import Pieimport pyecharts.options as optsfrom pyecharts.charts import Lineimport redf_excel = pd.read_excel('qq_excel.xlsx') # 默认读取sheet=0 Pandas DataFrame'def getTimeStr(row): item = row['时间'] if pd.isnull(item) | pd.isna(item): return data = item.split('年')[0] return data# 按年统计说说数量def readCount(result, row): timeData = getTimeStr(row) if timeData == None: return if timeData in result.keys(): result[timeData] += 1 else: result[timeData] = 1# 按年统计说说点赞数def readThumb(result, row): item = row['赞'] if pd.isnull(item): return # data = re.match(r'赞\((\d+).*', item, re.M | re.I) if len(item.split("(")) <= 1: return data = item.split("(")[1].split(")")[0] timeData = getTimeStr(row) if timeData == None: return if timeData in result.keys(): result[timeData] += int(data) else: result[timeData] = int(data)# 按年统计说说评论数def readComment(result, row): item = row['评论'] if pd.isnull(item): return # data = re.match(r'赞\((\d+).*', item, re.M | re.I) if len(item.split("(")) <= 1: return data = item.split("(")[1].split(")")[0] timeData = getTimeStr(row) if timeData == None: return if timeData in result.keys(): result[timeData] += int(data) else: result[timeData] = int(data)def readExcel(df_excel): count = {} result = {} thumb = {} comment = {} for index, row in df_excel.iterrows(): readCount(count, row) readThumb(thumb, row) readComment(comment, row) result['count'] = count result['thumb'] = thumb result['comment'] = comment return resultdef geTKEyAndVal(keyWord): data = readExcel(df_excel).get(keyWord) key = [] value = [] for item in data.keys(): key.append(item) value.append(data[item]) key.reverse() value.reverse() return [key, value]# 统计每年发表说说次数柱状图def paintBar(): count = readExcel(df_excel).get('count') # V1 版本开始支持链式调用 data = getKeyAndVal('count') print(data[0]) d = ( Bar() .add_xaxis(data[0]) .add_yaxis("每年发表说说总数", data[1]) .render("每年发表说说总数柱状图.html") )paintBar()# 统计点赞和评论折线图def paintLine(): commentData = getKeyAndVal('comment') thumbData = getKeyAndVal('thumb') xaxis_data = commentData[0] commentValue = commentData[1] thumbValue = thumbData[1] d = ( Line() .add_xaxis(xaxis_data=xaxis_data) .add_yaxis("每年评论数", y_axis=commentValue) .add_yaxis("每年点赞数", y_axis=thumbValue) .render("每年点赞和评论折现图.html") # 输出图形 )paintLine()
上述就是小编为大家分享的使用python爬取网页版QQ空间了,如果刚好有类似的疑惑,不妨参照上述分析进行理解。如果想知道更多相关知识,欢迎关注编程网Python频道。
--结束END--
本文标题: 使用python爬取网页版QQ空间
本文链接: https://www.lsjlt.com/news/278829.html(转载时请注明来源链接)
有问题或投稿请发送至: 邮箱/279061341@qq.com QQ/279061341
下载Word文档到电脑,方便收藏和打印~
2024-03-01
2024-03-01
2024-03-01
2024-02-29
2024-02-29
2024-02-29
2024-02-29
2024-02-29
2024-02-29
2024-02-29
回答
回答
回答
回答
回答
回答
回答
回答
回答
回答
0