开发工具
Python版本:3.6.4
相关模块:
requests模块;
selenium模块;
lxml模块;
以及一些Python自带的模块。
环境搭建
安装Python并添加到环境变量,pip安装需要的相关模块,并前往:
http://npm.taobao.org/mirrors/chromedriver/
下载与自己使用的Chrome浏览器版本对应的驱动文件,下载完毕后将chromedriver.exe所在文件夹添加到环境变量中即可。
原理简介
本文主要解决QQ空间的登录问题。
其主要思路为:
利用selenium模拟登录QQ空间从而获取登录QQ空间所需的cookie值,这样就可以利用requests模块来抓取QQ空间的数据了。
为什么这么绕?
selenium好久不用,写起来太慢了。而且它本身速度和资源占用等问题一直为大家所诟病。
And 省略无数条理由。
一些细节:
(1)第一次获取cookie之后将其保存下来,下次再登录之前先试试保存的cookie有没有用,有用直接使用就可以了,这样可以进一步节省时间。
(2)抓包分析过程中,可以发现抓取QQ空间数据所需请求的链接都包含g_tk这个参数,这个参数实际上是使用cookie中的skey参数计算获得的,懒得打公式了,直接贴一小段代码吧:
最后:
不抓点数据好像不能证明这篇文章真的有用?
好吧,那就把:
扒下来吧~~~
具体实现过程详见相关文件中的源代码。
使用演示
QQ号(username)和密码(password):
在QQ_Spider.py文件中填写,位置如下图所示:
运行:
在cmd窗口运行QQ_Spider.py文件即可。
结果:
That's All.
下期预告
在本期基础上抓取好友的个人信息,并可视化分析抓取的结果。有兴趣的小伙伴可以提前试试~~~
事实上,微调本文所提供的代码,理论上是可以抓取QQ所有用户的信息的。当然,只是理论上,以及干很多有趣的事情。
T_T作为一个不搞事且不爱喝茶的boy,上述的理论我就不负责实现了。