三十三. PhantomJS实例 - QQ空间

1.从QQ邮箱中导出通信录。(批量获取,可选)
选择“通讯录”→选择“工具”→选择以csv格式导出,这样就可以方便后续获取好友的QQ号码。
当然,如果通信录中显示的不是QQ邮箱,可以手工去除掉。

2.QQ空间说说的链接格式为:http://user.qzone.qq.com/{好友号码}/311,其中{好友号码}插入QQ号码即可。QQ空间说说首次打开需要登录,这里使用selenium+PhantomJS来实现。

爬取网址:http://user.qzone.qq.com/{好友号码}/311
爬取内容:好友说说,发表时间
存储方式:MongoDB或打印

from selenium import webdriver
import time

driver = webdriver.Chrome()
##driver = webdriver.PhantomJS()
driver.maximize_window()
driver.get("https://user.qzone.qq.com/XXX/311")    #输入QQ号
driver.implicitly_wait(10)
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("账号")  ##输入账号
driver.find_element_by_id("p").clear()
driver.find_element_by_id("p").send_keys("密码")   ##输入密码
driver.find_element_by_id("login_button").click()
time.sleep(3)
driver.implicitly_wait(3)

try:
    driver.find_element_by_id('QM_OwnerInfo_Icon')
    b = True
except:
    b = False

if b == True:
    driver.switch_to_frame("app_canvas_frame")
    contents = driver.find_elements_by_css_selector("pre.content")
    times = driver.find_elements_by_css_selector("a.c_tx.c_tx3.goDetail")
    for content,time in zip(contents,times):
        print(content.text,time.text)

可以考虑加入批量获取QQ空间好友说说信息,MongoDB存储等。
代码如下:

from selenium import webdriver
from itertools import islice
import time
import csv
import pymongo


client = pymongo.MongoClient('localhost',27017)  #连接数据库
mydb = client['mydb']   #新建mydb数据库
qq_s = mydb['qq_shuo']     #新建qq_shuo集合

driver = webdriver.Chrome()
#driver = webdriver.PhantomJS() #选择浏览器
driver.maximize_window()
    
def get_info(qq):    
    driver.get("https://user.qzone.qq.com/{}/311".format(qq))
    driver.implicitly_wait(10)

    try:
        driver.find_element_by_id('login_div')   ##首次登陆需要密码,后面就不需要了,所以此处判断是否需要登录。
        a = True
    except:
        a = False

    if a == True:     #登录模块   
        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("XXXX")
        driver.find_element_by_id("p").clear()
        driver.find_element_by_id("p").send_keys("XXXX")
        driver.find_element_by_id("login_button").click()
        time.sleep(3)
        driver.implicitly_wait(3)  #登陆qq

    try:
        driver.find_element_by_id('QM_OwnerInfo_Icon')
        b = True
    except:
        b = False

    if b == True:    #爬取内容模块
        driver.switch_to_frame("app_canvas_frame")
        contents = driver.find_elements_by_css_selector("pre.content")
        times = driver.find_elements_by_css_selector("a.c_tx.c_tx3.goDetail")
        for content,tim in zip(contents,times):
            data = {
                '内容':content.text,
                '时间':tim.text
                }
            qq_s.insert_one(data)  #使用insert_one插入数据
            #print(content.text,tim.text)

if __name__== "__main__":
    qq_lists=[]
    with open("F:/QQmail.csv","r",encoding="utf-8") as f:
        ##方式一:
        reader = csv.reader(f)   #将数据变成列表
        for row in islice(reader, 1, None):    ##跳过第一行的数据
            qq = row[2].split("@")[0]
            qq_lists.append(qq)

##        ##方式二:
##        reader = csv.DictReader(f)   #将数据变成字典
##        for row in reader:
##            qq = row['电子邮件'].split("@")[0]
##            qq_lists.append(qq)

    for qq in qq_lists:
        get_info(qq)

你可能感兴趣的:(三十三. PhantomJS实例 - QQ空间)