python爬虫——使用selenium爬取qq群的成员信息（全自动实现自动登陆）

1. 效果图，其中涉及一些真名我就打码了，还有qq号我也打码了，见谅

2. 解析，通过访问qq群官网并登陆

点击传送门

3. 分析登陆的元素，下图一目了然，怎么获取这个登陆元素应该都知道了

4. 代码奉上

url = 'https://qun.qq.com/'
# 构建谷歌驱动器
browser = webdriver.Chrome()
# 请求url
browser.get(url)
# 模拟登陆，首先找到登陆的id，并点击
browser.find_element_by_css_selector('#headerInfo p a').click()

5. 点击之后出现这么一个框框（这个框框可把我折磨的阿）原因是这样的，寻常的获取这个框框是不能获取到的

6. 先看看这个框所在的位置，这个框框竟然在另一个html代码里面，也就是说在浏览器看的时候，出现了两个html标签，老实说，我是第一次看到这种情况的，奈何我的html也不好，连入门都算不上，没办法，我就去百度了，果然黄天不负有心人，说是因为iframe这个标签可以再放html代码，所以就是这种情况了

7. 既然知道了是怎么一回事之后，那就可以继续操作了，首先我们先找到iframe这个标签，然后获取它的src属性，这个链接就是这个框框登陆的链接了，如果不获取这个iframe标签的src属性，那么我们使用selenium是获取不到这个框框的元素的。

# 点击之后会弹出一个登陆框，这时候我们用显示等待来等待这个登陆框加载出来
WebDriverWait(browser, 1000).until(EC.presence_of_all_elements_located((By.CSS_SELECTOR, '#loginWin iframe'))
)
print('登陆框已加载')
# 登陆框加载之后，我们发现整个登陆框其实就是另一个网网页
# 如果在原网页操作这个登陆框的话，是不能操作的
# 所以我们只需要提取iframe标签的src属性，然后再去访问这个url即可实现
# 自动登陆
# 找到iframe标签并获取src
iframe_url = browser.find_element_by_css_selector('#loginWin iframe').get_attribute('src')
# 再访问这个url
browser.get(iframe_url)
# 找到快捷登陆的头像并点击
# 首先用显示等待这个头像已经加载完成
WebDriverWait(browser, 1000).until(EC.presence_of_all_elements_located((By.ID, 'qlogin_list'))
)
browser.find_element_by_css_selector('#qlogin_list a').click()
print('登陆成功')

8. 登陆成功之后我们需要的是群管理，是ul标签的第四个li标签，通过xpath获取

# 登陆成功之后，我们就找到群管理的标签并点击,首先等待这个元素加载完成
WebDriverWait(browser, 1000).until(EC.presence_of_all_elements_located((By.XPATH, './/ul[@id="headerNav"]/li[4]'))
)
browser.find_element_by_xpath('.//ul[@id="headerNav"]/li[4]').click()

9. 点击群管理之后，进入群管理界面，我们需要的是成员管理

# 点击之后，我们找到成员管理标签并点击
WebDriverWait(browser, 1000).until(EC.presence_of_all_elements_located((By.CLASS_NAME, 'color-tit'))
)
browser.find_element_by_class_name('color-tit').click()

10. 点击成员管理之后会重新新建一个窗口，这个时候就会出现句柄，我们需要将当然窗口的句柄切换到新打开的这个界面，不然的话，是获取不到新打开界面的信息的，注释已经写了

# 打印全部窗口句柄
# print(browser.window_handles)
# 打印当前窗口句柄
# print(browser.current_window_handle)
# 注意这里点击成员管理之后会自动跳转到一个新窗口打开这个页面
# 所以我们需要将窗口句柄切换到这个新窗口browser.switch_to.window(browser.window_handles[1])# 解释一下browser.switch_to.window是获取当前一共有几个窗口
# 这里是2个
# browser.switch_to.window这个是指定当前游标切换到哪个窗口
# 其实也可以这么写
# all_window = browser.switch_to.window返回的是一个列表
# browser.switch_to.window(all_window[1])
# 效果是一样的

11. 我们需要的是我加入的群信息

# 切换句柄之后，我们显示等待窗口出来WebDriverWait(browser, 1000).until(EC.presence_of_all_elements_located((By.CLASS_NAME, 'my-all-group')))# 筛选出我加入的群标签lis = browser.find_elements_by_xpath('.//div[@class="my-all-group"]/ul[2]/li')

12. 遍历列表，取出信息

# 遍历
num= 0
while True:if num == len(lis):breaktry:# 按顺序选择群并获取信息# 先点击该群获取成员信息lis[num].click()# 显示等待信息加载完成WebDriverWait(browser, 1000).until(EC.presence_of_all_elements_located((By.CLASS_NAME, 'list')))# 获取该群当前有多少人，后面翻页需要groupMemberNum = eval(browser.find_element_by_id('groupMemberNum').text)# 每一次翻页都会刷新21条信息，所以写个循环# 这里加1是因为假如一个群有36人，那么count=1，如果循环的话就不会翻页了# 也就是只能抓到一页的数据，大家可以自己想想其中的流程就知道了count = groupMemberNum // 21 + 1# 这里我只爬取每个群的一部分，如果想爬取全部成员信息# 请注释下面的if语句if count > 2:count = 1# 每次循环都进行翻页# while count:#     count -= 1##     browser.execute_script('document.documentElement.scrollTop=100000')#     time.sleep(2)time.sleep(2)# 开始获取成员信息trs = browser.find_elements_by_class_name('mb')if trs:# 遍历for tr in trs:tds = tr.find_elements_by_tag_name('td')[2:]if len(tds) == 8:# qq网名qq_name = tds[0].text# 群名称group_name = tds[1].text# qq号qq_number = tds[2].text# 性别gender = tds[3].text# qq年龄qq_year = tds[4].text# 入群时间join_time = tds[5].text# 等级（积分）level = None# 最后发言时间end_time = tds[6].text# 声明一个字典存储数据data_dict = {}data_dict['qq_name'] = qq_namedata_dict['group_name'] = group_namedata_dict['qq_number'] = qq_numberdata_dict['gender'] = genderdata_dict['qq_year'] = qq_yeardata_dict['join_time'] = join_timedata_dict['level'] = leveldata_dict['end_time'] = end_timeprint(data_dict)elif len(tds) == 9:# qq网名qq_name = tds[0].text# 群名称group_name = tds[1].text# qq号qq_number = tds[2].text# 性别gender = tds[3].text# qq年龄qq_year = tds[4].text# 入群时间join_time = tds[5].text# 等级（积分）level = tds[6].text# 最后发言时间end_time = tds[7].text# 声明一个字典存储数据data_dict = {}data_dict['qq_name'] = qq_namedata_dict['group_name'] = group_namedata_dict['qq_number'] = qq_numberdata_dict['gender'] = genderdata_dict['qq_year'] = qq_yeardata_dict['join_time'] = join_timedata_dict['level'] = leveldata_dict['end_time'] = end_timedata_list.append(data_dict)print(data_dict)browser.find_element_by_id('changeGroup').click()time.sleep(3)WebDriverWait(browser, 1000).until(EC.presence_of_all_elements_located((By.CLASS_NAME, 'ui-dialog')))lis = browser.find_elements_by_xpath('.//div[@class="my-all-group"]/ul[2]/li')num += 1except Exception as e:lis = browser.find_elements_by_xpath('.//div[@class="my-all-group"]/ul[2]/li')num += 1continue

13. 一些需要说明的思路，num是判断是否爬完这些群，如果爬完了，那就退出循环

14. 因为lis是每个群，所以lis[num].click()是点击当前的群，进入查看群成员信息

15. 最后需要注意的就是当我们爬取当前群的成员信息之后，怎么切换到下一个群

16. 完整代码附上

# 导入需要的包
# 爬取qq群的成员信息
from selenium import webdriver
from selenium.webdriver.support.ui import WebDriverWait
from selenium.webdriver.support import expected_conditions as EC
from selenium.webdriver.common.by import By
import time
import json
import csv# 开始登陆
def login_spider():url = 'https://qun.qq.com/'# 构建谷歌驱动器browser = webdriver.Chrome()# 请求urlbrowser.get(url)# 模拟登陆，首先找到登陆的id，并点击browser.find_element_by_css_selector('#headerInfo p a').click()# 点击之后会弹出一个登陆框，这时候我们用显示等待来等待这个登陆框加载出来WebDriverWait(browser, 1000).until(EC.presence_of_all_elements_located((By.CSS_SELECTOR, '#loginWin iframe')))print('登陆框已加载')# 登陆框加载之后，我们发现整个登陆框其实就是另一个网网页# 如果在原网页操作这个登陆框的话，是不能操作的# 所以我们只需要提取iframe标签的src属性，然后再去访问这个url即可实现# 自动登陆# 找到iframe标签并获取是如此熟悉iframe_url = browser.find_element_by_css_selector('#loginWin iframe').get_attribute('src')# 再访问这个urlbrowser.get(iframe_url)# 找到快捷登陆的头像并点击# 首先用显示等待这个头像已经加载完成WebDriverWait(browser, 1000).until(EC.presence_of_all_elements_located((By.ID, 'qlogin_list')))browser.find_element_by_css_selector('#qlogin_list a').click()print('登陆成功')return browser# 切换句柄操作
def switch_spider(browser):# 登陆成功之后，我们就找到群管理的标签并点击,首先等待这个元素加载完成WebDriverWait(browser, 1000).until(EC.presence_of_all_elements_located((By.XPATH, './/ul[@id="headerNav"]/li[4]')))browser.find_element_by_xpath('.//ul[@id="headerNav"]/li[4]').click()# 点击之后，我们找到成员管理标签并点击WebDriverWait(browser, 1000).until(EC.presence_of_all_elements_located((By.CLASS_NAME, 'color-tit')))browser.find_element_by_class_name('color-tit').click()# 打印全部窗口句柄# print(browser.window_handles)# 打印当前窗口句柄# print(browser.current_window_handle)# 注意这里点击成员管理之后会自动跳转到一个新窗口打开这个页面# 所以我们需要将窗口句柄切换到这个新窗口browser.switch_to.window(browser.window_handles[1])# 解释一下browser.switch_to.window是获取当前一共有几个窗口# 这里是2个# browser.switch_to.window这个是指定当前游标切换到哪个窗口# 其实也可以这么写# all_window = browser.switch_to.window返回的是一个列表# browser.switch_to.window(all_window[1])# 效果是一样的return browser# 开始采集数据
def start_spider(browser):# 声明一个列表存储字典data_list = []# 切换句柄之后，我们显示等待窗口出来WebDriverWait(browser, 1000).until(EC.presence_of_all_elements_located((By.CLASS_NAME, 'my-all-group')))# 筛选出我加入的群标签lis = browser.find_elements_by_xpath('.//div[@class="my-all-group"]/ul[2]/li')# 遍历num = 0while True:try:# 按顺序选择群并获取信息# 先点击该群获取成员信息lis[num].click()# 显示等待信息加载完成WebDriverWait(browser, 1000).until(EC.presence_of_all_elements_located((By.CLASS_NAME, 'list')))# 获取该群当前有多少人，后面翻页需要groupMemberNum = eval(browser.find_element_by_id('groupMemberNum').text)# 每一次翻页都会刷新21条信息，所以写个循环# 这里加1是因为假如一个群有36人，那么count=1，如果循环的话就不会翻页了# 也就是只能抓到一页的数据，大家可以自己想想其中的流程就知道了count = groupMemberNum // 21 + 1# 这里我只爬取每个群的一部分，如果想爬取全部成员信息# 请注释下面的if语句if count > 5:count = 5# 每次循环都进行翻页while count:count -= 1browser.execute_script('document.documentElement.scrollTop=100000')time.sleep(2)time.sleep(3)# 开始获取成员信息trs = browser.find_elements_by_class_name('mb')if trs:# 遍历for tr in trs:tds = tr.find_elements_by_tag_name('td')[2:]if len(tds) == 8:# qq网名qq_name = tds[0].text# 群名称group_name = tds[1].text# qq号qq_number = tds[2].text# 性别gender = tds[3].text# qq年龄qq_year = tds[4].text# 入群时间join_time = tds[5].text# 等级（积分）level = None# 最后发言时间end_time = tds[6].text# 声明一个字典存储数据data_dict = {}data_dict['qq_name'] = qq_namedata_dict['group_name'] = group_namedata_dict['qq_number'] = qq_numberdata_dict['gender'] = genderdata_dict['qq_year'] = qq_yeardata_dict['join_time'] = join_timedata_dict['level'] = leveldata_dict['end_time'] = end_timeprint(data_dict)elif len(tds) == 9:# qq网名qq_name = tds[0].text# 群名称group_name = tds[1].text# qq号qq_number = tds[2].text# 性别gender = tds[3].text# qq年龄qq_year = tds[4].text# 入群时间join_time = tds[5].text# 等级（积分）level = tds[6].text# 最后发言时间end_time = tds[7].text# 声明一个字典存储数据data_dict = {}data_dict['qq_name'] = qq_namedata_dict['group_name'] = group_namedata_dict['qq_number'] = qq_numberdata_dict['gender'] = genderdata_dict['qq_year'] = qq_yeardata_dict['join_time'] = join_timedata_dict['level'] = leveldata_dict['end_time'] = end_timedata_list.append(data_dict)print(data_dict)browser.find_element_by_id('changeGroup').click()time.sleep(3)WebDriverWait(browser, 1000).until(EC.presence_of_all_elements_located((By.CLASS_NAME, 'ui-dialog')))lis = browser.find_elements_by_xpath('.//div[@class="my-all-group"]/ul[2]/li')num += 1except Exception as e:continuereturn data_listdef main():browser = login_spider()browser = switch_spider(browser)data_list = start_spider(browser)# 将数据写入json文件with open('data_json.json', 'a+', encoding='utf-8') as f:json.dump(data_list, f)print('json文件写入完成')# 这里的编码格式不要写错了，不然会出现乱码，因为群里面的大神名字贼骚with open('data_csv.csv', 'w', encoding='utf-8-sig', newline='') as f:# 表头title = data_list[0].keys()# 声明writerwriter = csv.DictWriter(f, title)# 写入表头writer.writeheader()# 批量写入数据writer.writerows(data_list)print('csv文件写入完成')if __name__ == '__main__':main()

python爬虫——使用selenium爬取qq群的成员信息（全自动实现自动登陆）相关推荐

Python爬虫使用selenium爬取qq群的成员信息（全自动实现自动登陆）
前言本文的文字及图片来源于网络,仅供学习.交流使用,不具有任何商业用途,版权归原作者所有,如有问题请及时联系我们以作处理. 作者: python小爬虫 PS:如有需要Python学习资料的小伙伴可以 ...
python抓取文献关键信息,python爬虫——使用selenium爬取知网文献相关信息
python爬虫--使用selenium爬取知网文献相关信息写在前面: 本文章限于交流讨论,请不要使用文章的代码去攻击别人的服务器如侵权联系作者删除文中的错误已经修改过来了,谢谢各位爬友指出错误 ...
python爬虫——使用selenium爬取微博数据（一）
python爬虫--使用selenium爬取微博数据(二) 写在前面之前因为在组里做和nlp相关的项目,需要自己构建数据集,采用selenium爬取了几十万条微博数据,学习了很多,想在这里分享一下如 ...
python爬虫——用selenium爬取淘宝商品信息
python爬虫--用selenium爬取淘宝商品信息 1.附上效果图 2.淘宝网址https://www.taobao.com/ 3.先写好头部 browser = webdriver.Chrome ...
Python爬虫入门 | 5 爬取小猪短租租房信息
小猪短租是一个租房网站,上面有很多优质的民宿出租信息,下面我们以成都地区的租房信息为例,来尝试爬取这些数据. 小猪短租(成都)页面:http://cd.xiaozhu.com/ 1.爬取租房标题 ...
python爬虫：Selenium爬取B站视频标题、播放量、发布时间
上次尝试了利用Ajax机制爬取B站视频播放量等数据(链接在下方),但是发现响应的JSON数据中没有发布时间的数据,这次决定用Selenium试一下. python爬虫:Ajax爬取B站视频标题.播放量 ...
Python爬虫练习（爬取OJ题目和学校信息通知）
爬取OJ题目和学校信息通知一.爬取南阳理工OJ题目 1. 初步分析 2. 代码编写二.爬取学校信息通知 1. 每页url分析 2. 每页内容爬取总代码三.总结参考一.爬取南阳理工OJ题目 ...
Python爬虫使用selenium爬取天猫商品信息
文章目录很多人学习python,不知道从何学起. 很多人学习python,掌握了基本语法过后,不知道在哪里寻找案例上手. 很多已经做案例的人,却不知道如何去学习更加高深的知识. 那么针对这三类人,我 ...
python爬虫——scrapy+selenium爬取新浪微博及评论
本文主要对爬取过程中所用到的知识做简单总结,最后有项目链接. 一.项目简介本项目利用python的scrapy框架+selenium模拟登陆微博来爬取带有关键字的微博及微博下面的评论(1 .2级评论 ...
Python爬虫实战之爬取QQ音乐之下载有版权的音乐(五)-1
我这里使用的方法比较简单用神奇fiddler即可. 这些分两篇第一篇定位音乐然后手动操作保存第二篇自动下载首先本篇下载的最近很火的一首歌叫 < 你的酒馆对我打了烊 > 这个音乐 ...

python爬虫——使用selenium爬取qq群的成员信息（全自动实现自动登陆）

1. 效果图，其中涉及一些真名我就打码了，还有qq号我也打码了，见谅

2. 解析，通过访问qq群官网并登陆

3. 分析登陆的元素，下图一目了然，怎么获取这个登陆元素应该都知道了

4. 代码奉上

5. 点击之后出现这么一个框框（这个框框可把我折磨的阿）原因是这样的，寻常的获取这个框框是不能获取到的

8. 登陆成功之后我们需要的是群管理，是ul标签的第四个li标签，通过xpath获取

9. 点击群管理之后，进入群管理界面，我们需要的是成员管理

10. 点击成员管理之后会重新新建一个窗口，这个时候就会出现句柄，我们需要将当然窗口的句柄切换到新打开的这个界面，不然的话，是获取不到新打开界面的信息的，注释已经写了

11. 我们需要的是我加入的群信息

12. 遍历列表，取出信息

13. 一些需要说明的思路，num是判断是否爬完这些群，如果爬完了，那就退出循环

14. 因为lis是每个群，所以lis[num].click()是点击当前的群，进入查看群成员信息

15. 最后需要注意的就是当我们爬取当前群的成员信息之后，怎么切换到下一个群

16. 完整代码附上

python爬虫——使用selenium爬取qq群的成员信息（全自动实现自动登陆）相关推荐

最新文章

热门文章