python + selenium +chrome爬取qq空间好友说说并存入mongodb数据库
python + selenium +chrome爬取qq空间好友说说并存入mongodb数据库
准备阶段
在正式开始在前需要先准备好做爬虫的工具,本例使用chrome无头浏览器进行爬取工作,也可使用其他浏览器,程序中的其他可替代工具在此之后不再一一赘述,有一些不明白的地方可以自行百度有错误的地方欢迎大家指正,大家共同学习共同进步!!
需要用到的库:
- pymongo
- selenium
- csv
- time
爬虫思路分析
- 从csv文件读取好友qq号码构造url链接
- 使用chrome + selenium登录QQ,选择账号密码的等率方式
- 爬取好友说说的发表的时间信息
- 把爬取到的信息存储在mongodb中
从qq邮箱获取好友列表,存储为csv文件
打开qq邮箱选择通讯录 > 工具 > 导出联系人文件选择部分好友文件导出,保存为csv文件,之
后便于从csv文件读取好友qq号
观察源码,选择适当的筛选方法
写入数据库
爬虫代码如下:
'''python#导入程序需要的库
from selenium import webdriver
from selenium.webdriver.chrome.options import Options
import time
import csv
import pymongo#链接数据库
client = pymongo.MongoClient('localhost',27017)
#创建数据库和数据集合
net_speader = client['net_speader']
qq_data = net_speader['qq_data']chrome_options = Options()
#选择无头chrome,并设置窗口最大化
chrome_options.add_argument('--headless')
driver = webdriver.Chrome(chrome_options=chrome_options)
driver.maximize_window()#定义获取信息的函数
def get_info(qq):#声明变量global time#请求url隐式等待15sdriver.get('https://user.qzone.qq.com/{}/311'.format(qq))driver.implicitly_wait(15)#判断页面是否需要登陆,通过查找是否有ID为login_div的div标签来进行判断try:driver.find_element_by_id('login_div')a = Trueexcept:a = False#如果需要登陆则切换到需要登陆的框架进行登陆if a == True: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('你的qq号码')driver.find_element_by_id('p').clear()driver.find_element_by_id('p').send_keys('你的qq号密码')driver.find_element_by_id('login_button').click()time.sleep(5)driver.implicitly_wait(3)#通过查找是否有ID为QM_OwnerInfo_Icon的div标签来判断是否有权限访问好友的qq空间try:driver.find_element_by_id('QM_OwnerInfo_Icon')b = Trueexcept:b = False#如果可以访问则切换到好友说说框架进行数据的爬取和储存if b == True:driver.switch_to.frame('app_canvas_frame')contents = driver.find_elements_by_css_selector('.content')times = driver.find_elements_by_css_selector('.c_tx.c_tx3.goDetail')for content,time in zip(contents,times):data = {'time':time.text,'content':content.text}print(data)qq_data.insert_one(data)
#主程序入口,通过csv库读取通讯录文件,存入列表
if __name__ == '__main__':qq_lists = []fp = open(r'W:\text\qqmail.csv',encoding='gb18030',errors='ignore')reader = csv.DictReader(fp)for row in reader:qq_lists.append(row['qqmail'].split('@')[0])fp.close()print(qq_lists)for i in qq_lists:get_info(i)'''
python + selenium +chrome爬取qq空间好友说说并存入mongodb数据库相关推荐
- python爬取好友qq空间_python + selenium +chrome爬取qq空间好友说说并存入mongodb数据库...
title: python + selenium +chrome爬取qq空间好友说说并存入mongodb数据库 准备阶段 在正式开始在前需要先准备好做爬虫的工具,本例使用chrome无头浏览器进行爬取 ...
- python爬取加密qq空间_使用python+selenium爬取qq空间好友动态
使用python+selenium爬取qq空间好友动态 分析过程如下: 要想用selenium登陆qq空间,必须点击账号密码登陆按钮然后再填写账号密码登陆. 1.PNG 点击账号密码按钮后跳转到如下页 ...
- python爬取QQ空间好友说说并生成词云
最近自己玩爬虫玩得很嗨.想到爬QQ空间主要是因为在看网课的时候有不少人刷弹幕要去爬前女友空间..咳咳,虽然我没有前女友,但是这不失为一个有趣的练手机会.(爬完之后发现不会留下访客记录!确实很适合爬前女 ...
- python爬取陌生人的qq空间_Python爬取QQ空间好友说说并生成词云(超详细)
前言 先看效果图: 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 ...
- 【python爬虫】爬取QQ空间说说
前言 虽然扒qq空间不是很地道,但咱还是干干吧--正好也是闲来无事,我这个应该不会被别人发现 tao) 技术路线 selenium + beautifulsoup + pyautogui + echa ...
- python爬虫:爬取动态网页并将信息存入MySQL数据库
目标网站 http://www.neeq.com.cn/disclosure/supervise.html 爬取网页该部分内容 网页分析 查看网页源代码发现没有表格部分内容,对网页请求进行分析 F12 ...
- python爬取加密qq空间_python3.7 爬取QQ空间好友
1 from urllib importparse2 from selenium importwebdriver3 importrequests4 importjson5 from json impo ...
- php取qq空间说说id,Python爬取qq空间说说的实例代码
具体代码如下所示: #coding:utf-8 #!/usr/bin/python3 from selenium import webdriver import time import re impo ...
- python + selenium多进程爬取淘宝搜索页数据
python + selenium多进程爬取淘宝搜索页数据 1. 功能描述 按照给定的关键词,在淘宝搜索对应的产品,然后爬取搜索结果中产品的信息,包括:标题,价格,销量,产地等信息,存入mongodb ...
最新文章
- java 得到checkbox_【JavaWeb】获得选中的checkbox的value
- 光驱怎么挂载第二个光驱_重装系统下侦测不到光驱怎么解决?
- oracle pctlist,oracle pctfree和pctused详解
- Java 基础系列之volatile变量(一)
- 计算已知经纬度两点的距离_python
- Gradle 4.8.1基本配置
- 软件设计师历年真题详解2009-2018
- matlab 使用,MATLAB使用方法
- itextpdf生成pdf文件(含图片)
- 模拟人生畅玩版正在连接至服务器,模拟人生™:畅玩版无法连接服务器如何解决...
- VMWare 克隆,合并父盘
- TLS握手协议分析与理解——某HTTPS请求流量包分析
- Hbase的scan原理
- 注册表与盘符(转victor888文章 )
- java解析xml文件并写入Excel表
- 实战1 - 空气质量数据的校准
- 中国半导体设备行业需求状况与投资前景展望分析报告2022版
- 基于Mxnet的车辆重识别(Re-ID)之数据集处理(以VeRi为例)
- win10彻底禁用wsappx的方法
- 电子商务网站专题页策划的6个必杀技
热门文章
- Linux下最好用的五大BT下载工具
- 1-2Python创始人
- 利用华为云ECS服务器搭建安防视频监控平台【华为云至简致远】
- 华为mate40功耗测试软件,华为mate40标准版评测_华为mate40标准版详细评测
- ASDL, Asymmetric Digital Subscriber Line
- 【IVI】1. Android Automotive OS 安卓车载操作系统白皮书
- matlab仿真瑞利分布与高斯分布
- 优麒麟 ubuntu 系统下载地址
- 5不触发系统键盘_防盗报警系统基础知识47问,收藏吧
- mysql 一行数据长度限制吗_【MySQL】行长度的一些限制