昨天发现了一个群中人虽然很多，有一千人，但是没有几个人说话，群中一位朋友说有许多人是死号，我好奇去看了看，发现确实如此，有许多人的空间中说说，照片，日志都是0，访客只有几百，甚至几十，想通过学过的Python做一点事，思路是通过Python+selenium通过浏览器动态登录qq空间，然后通过selenium的find_elements_by_class_name动态获取网页的内容中qq成员的网址，然后存入数组，加载完后，遍历数组中每一个qq成员去加载成员空间网址，之后，通过find_element_by_id得到每个成员的说说，照片，日志数量，当然有的空间限制非好友访问，抓取不到，默认为是活号。还有的空间有自定义空间，与其他空间不同，也抓取不到数据，默认为是活好。只有说说，照片，日志数量都是0的号，我们认为是死号。

于是用Python写了代码查看，结果如下：

其中success:70是访问对方空间成功并且说说，照片，日志的数量不全为0，有70人。

fail：71是访问权限受限，有71人。false:853是访问对方空间成功并且说说，照片，日志的数量全为0，有853人。这说明这个群有853死号，这些号的qq号大多数是10位，以3开头，应该是买来的。

首先：

安装Python3，32位的先，去官网下，然后去找一个集成开发环境(IDE),我安装的pycharm。现在可以抓取一些静态网页了，记住(Python2中urllib2,在Python3中是urllib,自己查)，我首先通过浏览器的开发人员工具(快捷键F12)去观看源代码，如图：

查找源代码特征(审查元素是一个好东西，用审查元素能节省你查找信息的时间)，发现了一些特征，见图：

每个成员的网址在href中，而且他们都有共同的class，这一点我们可以利用，想到这里，是不是大功告成了？很遗憾，远远不够，我试着获取，却发现没有这个东西。这个文件是动态加载的，跟ajax有关系，(现在许多网页都是动态加载，urllib的作用不如以前，用selenium可以)，selenium是什么东西？Selenium也是一个用于Web应用程序测试的工具。Selenium测试直接运行在浏览器中，就像真正的用户在操作一样。selenium就是一个自动化测试工具。现在有三种方法获取成员的href：直接在开发人员工具中获取，复制到一个文本文件中，然后通过代码读取文件，正则匹配【reg = r'href="http://user.qzone.qq.com/\d{8,11}" class='】，在写入到文件(用realaddr = ''.join(realaddrlist)可以将一个list转换成string，当然有其他方法)，然后Python写代码加载成员的空间，判断是否死号。

通过抓包工具(fiddler等)，抓包，但我没试过，因为我不知道抓哪个包。

通过Python代码登录QQ空间，进入群空间，用selenium获取成员信息(推荐)，这种方式是最好的，因为总不能没查一个网站，就去复制粘贴，正则匹配一番。

下面看登录空间代码：

import urllib

from selenium import webdriver

import time

import win32com.client

option= webdriver.ChromeOptions()

option.add_argument("--test-type")

option.add_argument(r'user-data-dir=******') #设置成用户自己的数据目录(谷歌浏览器用 chrome://version/查个人资料路径)

#chromedriver2.9与chrome不兼容，用chromedriver2.4

driver = webdriver.Chrome(executable_path='c:\chromedriver\chromedriver.exe',chrome_options=option)

#不用上面的数据是可以正常登陆的，即只用下面一行，加载我的数据目录更好

# driver = webdriver.Chrome(executable_path='c:\chromedriver\chromedriver.exe')

#从网页端进入群成员界面，复制网址

driver.get('http://qun.qzone.qq.com/group#!/******/member')

driver.switch_to_frame('login_frame')

driver.find_element_by_id('switcher_plogin').click()

driver.find_element_by_id('u').clear()

#你的qq号

driver.find_element_by_id('u').send_keys('******')

driver.find_element_by_id('p').clear()

#你的密码

driver.find_element_by_id('p').send_keys('*****')

driver.find_element_by_id('login_button').click()

time.sleep(10)

记得chrome浏览器要下载一个chromedriver驱动，怎么下自己去找。登录后：

for handle in driver.window_handles:#方法二，始终获得当前最后的窗口，所以多要多次使用

driver.switch_to_window(handle) #此行代码用来定位当前页面,要不然抓取的不是此页面

#从去空间取得全部成员标签类[数组]

qqslist = driver.find_elements_by_class_name("avatar_50")

print(driver.title)

numqq = 0

path = r'C:\Users\Desktop\qqmsg.txt'

#从去空间取得每个成员的信息[遍历得到网址]

qqhreflist = list()

for qq in qqslist:

qqhref = qq.get_attribute("href")

numqq=numqq+1

print(qqhref)

qqhreflist.append(qqhref)

writeTxt(path,qqhref)

time.sleep(1)

print("getqqs sucesss")

print("start process")

然后到这里已经获取到了所有成员的href数组：qqhreflist,接下来：

wpsApp = win32com.client.Dispatch("KET.Application")

wpsApp.Visible=1

xlBook = wpsApp.Workbooks.Add()

getSele(qqhreflist,xlBook)

try:

xlBook.SaveAs(r"C:\Users\Desktop\qqmsg.xls")

finally:

xlBook.Close()

wpsApp.Quit()

del wpsApp

driver.close()

driver.quit()

这里有一个win32com，自己下载，可能少一个capicom.dll，下载，管理员运行cmd 输入:C:\Windows\SysWOW64\regsvr32.exe C:\Windows\SysWOW64\capicom.dll 就行了，这里我用的wps来接受数据，存入表格。

接下来是重头戏，判别是否是死号，函数getSele(),代码如下：

def getSele(list,xlBook):

xlBook.ActiveSheet.Cells(1, 1).Value = "昵称" xlBook.ActiveSheet.Cells(1, 2).Value = "照片" xlBook.ActiveSheet.Cells(1, 3).Value = "说说" xlBook.ActiveSheet.Cells(1, 4).Value = "日志" path = r'C:\Users\烟魂\Desktop\data1.txt' numfalse = 0 numtrue = 0 numfail = 0 sum=0 for data in list:

sum = sum+1 print("当前第几个："+str(sum))

driver.get(data)

time.sleep(0.1)

try:

driver.find_element_by_id("QM_Profile_Photo_Cnt")

driver.find_element_by_id("QM_Profile_Mood_Cnt")

driver.find_element_by_id("QM_Profile_Blog_Cnt")

except:

print("fail")

numfail = numfail + 1 try:

user_name = driver.find_elements_by_class_name("user_name")[0].text

if user_name=="":

selfname = "无名字，未知错误" print(selfname)

xlBook.ActiveSheet.Cells(sum + 1, 1).Value = selfname

else:

print(user_name)

xlBook.ActiveSheet.Cells(sum + 1, 1).Value = user_name

xlBook.ActiveSheet.Cells(sum + 1, 2).Value = "-1" xlBook.ActiveSheet.Cells(sum + 1, 3).Value = "-1" xlBook.ActiveSheet.Cells(sum + 1, 4).Value = "-1" print("-1")

writeTxt(path, user_name)

except:

print("none")

selfname = "自定义面板或自己" print(selfname)

xlBook.ActiveSheet.Cells(sum + 1, 1).Value = selfname

continue writeTxt(path, "fail")

continue numphoto = driver.find_element_by_id("QM_Profile_Photo_Cnt").text

nummood = driver.find_element_by_id("QM_Profile_Mood_Cnt").text

numblog = driver.find_element_by_id("QM_Profile_Blog_Cnt").text

if(numblog=="0" and numphoto=="0" and nummood=="0"):

numfalse=numfalse+1 else:

numtrue = numtrue +1 print(driver.title)

print(numphoto)

print(nummood)

print(numblog)

xlBook.ActiveSheet.Cells(sum+1, 1).Value = driver.title

xlBook.ActiveSheet.Cells(sum+1, 2).Value = numphoto

xlBook.ActiveSheet.Cells(sum+1, 3).Value = nummood

xlBook.ActiveSheet.Cells(sum+1, 4).Value = numblog

print("sucess:"+str(numtrue)+" fail:"+str(numfail)+" false:"+str(numfalse))

data = " drivertitle:" + driver.title + " numphoto:" + numphoto + " nummood:" + nummood + " numblog:" + numblog

writeTxt(path, data)

datanum = "numtrue: "+str(numtrue)+" numfalse:"+str(numfalse)+" numfail:"+str(numfail)

print(datanum)

writeTxt(path,datanum)

num = numfalse/(numtrue+numfail+numfalse)

datanums = "num: " + str(num)

print(datanums)

writeTxt(path,datanums)

writeTxt(path,"success")

然后一些其他函数：

def getHtml(url):

page = urllib.request.urlopen(url)

html = page.read()

html = html.decode('UTF-8')

return html

def readTxt(path):

file_object = open(path,'r',encoding= 'utf-8')

try:

all_the_text = file_object.read()

finally:

file_object.close()

return all_the_text

def writeTxt(path,data):

file_object = open(path,'a',encoding= 'utf-8')

try:

file_object.write(data)

finally:

file_object.close()

然后完了,Python自己抓取几十分钟就行了。代码截图