思路
1.确认访问的URL
2.模拟登录你的QQ号
3.判断好友空间是否加了权限,切换到说说的frame,爬取当前页面数据,下拉滚动条,翻页继续获取 爬取的内容写入本地TXT文件中
4.爬取到最后一页,读取TXT文件从而生成词云
具体分析
1.确认访问的URL
这就很简单了,我们通过观察发现,QQ空间好友的URL:
https://user./{好友QQ号}/311
2.我们在请求的时候会遇到模拟登录,也就是要通过Selenium+浏览器登录你的QQ号后才能访问你好友的QQ空间
下面是模拟登录的代码:
file = 'C:/Users/Administrator/Desktop/{}.txt'.format(qq)
driver = webdriver.Firefox()
driver.maximize_window() #窗口最大化
driver.get('https://user./{}/311'.format(qq)) #URL
driver.implicitly_wait(10) # 隐示等待,为了等待充分加载好网址
driver.find_element_by_id('login_div')
driver.switch_to_frame('login_frame') #切到输入账号密码的frame
driver.find_element_by_id('switcher_plogin').click()##点击‘账号密码登录’
driver.find_element_by_id('u').clear() ##清空账号栏
driver.find_element_by_id('u').send_keys('你的QQ账号')#输入账号
driver.find_element_by_id('p').clear()#清空密码栏
driver.find_element_by_id('p').send_keys('你的QQ密码')#输入密码
driver.find_element_by_id('login_button').click()#点击‘登录’
driver.switch_to_default_content() #跳出当前的frame,这步很关键,不写会报错的,因为你登录后还要切刀另一个frame
需要强调是 driver.switch_to_default_content() ,表示跳出当前的frame,这步很关键,因为你登录后还要切刀另一个frame。不写的话会出现下面的错误:
3.第三部分我分几个点来说:
(1).判断空间是否加了权限
try:
driver.find_element_by_id('QM_OwnerInfo_Icon')#判断是否QQ空间加了权限
b = True
except:
b = False
(2)切换到说说的frame,这个大家都会找吧
(3)下拉滚动条
下拉滚动条是为了点击‘下一页’,下拉到可见视图。下拉滚动条要注意一点:
一定要对应它的frame,不要在爬取说说的frame下拉。
#分4此下拉,确保能下拉到底部
for j in range(1, 5):
driver.execute_script("window.scrollBy(0,5000)")
time.sleep(2)
(4).爬取说说数据,这就简单了吧?我用的xpath获取的说说的title,感兴趣的朋友可以把时间等数据一起获取
selector = etree.HTML(driver.page_source)
title = selector.xpath('//li/div/div/pre/text()')
(5).翻页
直接点击‘下一页’即可。
driver.find_element_by_link_text(u'下一页').click()
1
(6).txt数据写入,不用多说,爬取到title了直接写入
for i in title:
if not os.path.exists(file):
print('创建TXT成功')
with open(file, 'a+') as f:
f.write(i + '\n\n')
f.close()
4.生成词云,这只是普通的模式,想具体了解可以看我以前文章或者Google
def get_wordcloud(file):
f = open(file, 'r', encoding='gbk').read()
# 结巴分词,生成字符串,wordcloud无法直接生成正确的中文词云
cut_text = " ".join(jieba.cut(f))
wordcloud = WordCloud(
# 设置字体,不然会出现口字乱码,文字的路径是电脑的字体一般路径,可以换成别的
font_path="C:/Windows/Fonts/simfang.ttf",
# 设置了背景,宽高
background_color="white", width=2000, height=1380).generate(cut_text)
plt.imshow(wordcloud, interpolation="bilinear")
plt.axis("off")
plt.show()
由于时间问题,此篇文章只支持输入一个好友的QQ号,你要是想爬取你的所有的QQ好友的说说,可以现在QQ邮箱获取你所有好友的QQ号,然后生成一个数组,依次获取就可以了。