用空间说说做词云，有趣好玩，颜值爆表

哈喽大家好，我跟大家分享Python的一个有趣玩法：用QQ空间的说说做词云。

材料准备

首先我们准备好看的血小板一只。

然后准备好Python3。

准备selenium、requests、jieba、wordcloud、matplotlib等Python包。

打开终端或cmd，运行：

pip install selenium
pip install requests
pip install jieba
pip install wordcloud
pip install matplotlib

准备Chrome浏览器一只。

准备chromedriver一只（https://npm.taobao.org/mirrors/chromedriver/2.41/），下载解压后放到喜欢的路径即可。

准备QQ号一只。

开始制作

下一步我们开始制作。

首先我们导入Python包。

# -*- coding: utf-8 -*-
from selenium import webdriver
import requests
import re
import jieba.analyse
import json
from wordcloud import WordCloud, STOPWORDS, ImageColorGenerator
from pylab import imread, plt
import random

导入不成功的同学需要重新pip安装对应的包。

加入请求头和你自己的账号密码。

headers = {'User-Agent': 'app of oo 1.0'}
user = '13541*****'
password = '**********'

然后使用selenium模拟登陆QQ空间，拿到cookies和qzonetoken。

def login():driver = webdriver.Chrome(executable_path='D:/chromedriver.exe')# 登陆driver.get('https://qzone.qq.com/')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(user)driver.find_element_by_id('p').clear()driver.find_element_by_id('p').send_keys(password)driver.find_element_by_id('login_button').click()# 转主页driver.get('https://user.qzone.qq.com/{}/main'.format(user))# 进说说driver.find_element_by_id('QM_Profile_Mood_A').click()html = driver.page_sourceg_qzonetoken = re.search('window\.g_qzonetoken = \(function\(\)\{ try\{return (.*?);\} catch\(e\)',html)qzonetoken = str(g_qzonetoken[0]).split('\"')[1]cookies = driver.get_cookies()return get_cookie(cookies), qzonetoken

其中，组装cookie的方法如下。

def get_cookie(cookies):cookie_dict = {}for cookie in cookies:cookie_dict[cookie['name']] = cookie['value']return cookie_dict

然后，获取g_tk。

def get_g_tk(cookie):hashes = 5381for letter in cookie['p_skey']:hashes += (hashes << 5) + ord(letter)return hashes & 0x7fffffff

下一步我们开始抓取说说。

def get_words(cookies, g_tk, qzonetoken):words = []session = requests.session()i = 0while True:params = {'uin': user,'pos': i * 20,'num': 20,'replynum': 100,'g_tk': [g_tk, g_tk],'callback': '_preloadCallback','code_version': '1','format': 'jsonp','need_private_comment': '1','qzonetoken': qzonetoken}respond = session.get('https://h5.qzone.qq.com/proxy/domain/taotao.qq.com/cgi-bin/emotion_cgi_msglist_v6', params=params, headers=headers, cookies=cookies)data_str = re.findall('^_preloadCallback\((.*?)\);$', respond.text)[0]data_dict = json.loads(data_str)msg_list = data_dict['msglist']for msg in msg_list:word = msg['content'].replace('\n', '')# 除去表情emojis = re.findall('\[em\].*?\[/em\]', word)for emoji in emojis:word = word.replace(emoji, '')# 除去@friends = re.findall('@{.*?}', word)for friend in friends:word = word.replace(friend, '')words.append(word)if len(msg_list) < 20:return wordsi += 1

然后用结巴分词抽取关键词，结巴分词是比较流行的一个中文分词包，尽管对专业领域的分词效果尚待商榷，但对于一般业余玩家而言已经足够。取关键词的数量没有限制，想要更多词的同学可以多拿，但一般来说取关键词数量越多，划分粒度越细，关键词的“关键性”越低。

def get_keywords(words_list):keywords = []for word in words_list:# 取前K个关键词top_k = round(len(word) / 5) + 1keywords += jieba.analyse.extract_tags(word, topK=top_k)# 打乱顺序random.shuffle(keywords)return ' '.join(keywords)

最后我们制作词云。我们加入血小板图片一张作为背景，不喜欢血小板的同学可以不加。

值得注意的是，matplotlib默认不能显示中文，需要设置词云的字体路径，如本人使用win10的微软雅黑字体，则设为C:/Windows/Fonts/msyh.ttc。

def make_cloud(keywords_str):# 背景掩模color_mask = imread("xuexiaoban.jpg")wc = WordCloud(font_path="C:/Windows/Fonts/msyh.ttc",background_color="white",max_words=2000,stopwords=STOPWORDS.add("said"),mask=color_mask,max_font_size=200,random_state=100)image_colors = ImageColorGenerator(color_mask)word_cloud = wc.generate(keywords_str)plt.imshow(word_cloud.recolor(color_func=image_colors))plt.axis('off')plt.show()

一个有趣好玩，颜值爆表的词云就完成了。

技术总结

使用selenium模拟登录，并取得cookie、qzonetoken和g_tk。
用requests和正则表达式抓取说说。
用jieba抽取关键词。
用wordcloud制作词云并用matplotlib显示。不喜欢血小板的同学可以不加，喜欢凤姐的同学也可以用凤姐替代。

用python制作说说词云的技术总结完毕。

def main():cookies, qzonetoken = login()g_tk = get_g_tk(cookies)words = get_words(cookies, g_tk, qzonetoken)keywords_str = get_keywords(words)make_cloud(keywords_str)if __name__ == '__main__':main()

参考文献

[1] 用Python爬取QQ好友空间说说进行分析

[2] python——wordcloud生成中文词云

[3] 美食作家王刚

附完整代码

# -*- coding: utf-8 -*-
from selenium import webdriver
import requests
import re
import jieba.analyse
import json
from wordcloud import WordCloud, STOPWORDS, ImageColorGenerator
from pylab import imread, plt
import randomheaders = {'User-Agent': 'app of oo 1.0'}
user = '13541*****'
password = '**********'# 这个函数用来解决腾讯g_tk加密算法的函数
def get_g_tk(cookie):hashes = 5381for letter in cookie['p_skey']:hashes += (hashes << 5) + ord(letter)return hashes & 0x7fffffffdef get_cookie(cookies):cookie_dict = {}for cookie in cookies:cookie_dict[cookie['name']] = cookie['value']return cookie_dictdef login():driver = webdriver.Chrome(executable_path='D:/chromedriver.exe')# 登陆driver.get('https://qzone.qq.com/')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(user)driver.find_element_by_id('p').clear()driver.find_element_by_id('p').send_keys(password)driver.find_element_by_id('login_button').click()# 转主页driver.get('https://user.qzone.qq.com/{}/main'.format(user))# 进说说driver.find_element_by_id('QM_Profile_Mood_A').click()html = driver.page_sourceg_qzonetoken = re.search('window\.g_qzonetoken = \(function\(\)\{ try\{return (.*?);\} catch\(e\)',html)qzonetoken = str(g_qzonetoken[0]).split('\"')[1]cookies = driver.get_cookies()return get_cookie(cookies), qzonetokendef get_keywords(words_list):keywords = []for word in words_list:# 取前K个关键词top_k = round(len(word) / 5) + 1keywords += jieba.analyse.extract_tags(word, topK=top_k)# 打乱顺序random.shuffle(keywords)return ' '.join(keywords)def make_cloud(keywords_str):# 背景掩模color_mask = imread("xuexiaoban.jpg")wc = WordCloud(font_path="C:/Windows/Fonts/msyh.ttc",background_color="white",max_words=2000,stopwords=STOPWORDS.add("said"),mask=color_mask,max_font_size=200,random_state=100)image_colors = ImageColorGenerator(color_mask)word_cloud = wc.generate(keywords_str)plt.imshow(word_cloud.recolor(color_func=image_colors))plt.axis('off')plt.show()def get_words(cookies, g_tk, qzonetoken):words = []session = requests.session()i = 0while True:params = {'uin': user,'pos': i * 20,'num': 20,'replynum': 100,'g_tk': [g_tk, g_tk],'callback': '_preloadCallback','code_version': '1','format': 'jsonp','need_private_comment': '1','qzonetoken': qzonetoken}respond = session.get('https://h5.qzone.qq.com/proxy/domain/taotao.qq.com/cgi-bin/emotion_cgi_msglist_v6',params=params, headers=headers, cookies=cookies)data_str = re.findall('^_preloadCallback\((.*?)\);$', respond.text)[0]data_dict = json.loads(data_str)msg_list = data_dict['msglist']for msg in msg_list:word = msg['content'].replace('\n', '')# 除去表情emojis = re.findall('\[em\].*?\[/em\]', word)for emoji in emojis:word = word.replace(emoji, '')# 除去@friends = re.findall('@{.*?}', word)for friend in friends:word = word.replace(friend, '')words.append(word)if len(msg_list) < 20:return wordsi += 1def main():cookies, qzonetoken = login()g_tk = get_g_tk(cookies)words = get_words(cookies, g_tk, qzonetoken)keywords_str = get_keywords(words)make_cloud(keywords_str)if __name__ == '__main__':main()