python爬取qq群成员_教你用python爬取自己加入的QQ群成员名单
本次实验环境:
操作系统:Mac OS
开发语言:python 3.6
IDE:jupyter notebook(建议使用)
浏览器:Chrome(版本75.0.3770.100)
需要用到的库:selenium、bs4、time、datetime、pandas、os。
QQ群的主页为:https://qun.qq.com/member.html。如果想查阅群号为123456的主页,则在主页URL后面加上#gid=123456。即我们想爬取群号为123456的群成员,需要请求的URL为:https://qun.qq.com/member.html#gid=123456
如果正常登陆页面,第一步需要扫码登陆。如果在电脑端已经登陆过QQ的话,则可以通过选择相应的QQ用户进行登陆。登陆后,页面的架构可能会有两种:一种是无群成员积分等级的,如下所示:
另外,一种有群成员积分等级的:
对于两种不同的架构,代码细节上有点出入。不过在本次实验中会识别出是否有群成员积分等级,再获取字段数据。
程序会先创建一个文件夹,用于存放数据集。文件夹命令方式:dataset + yyyymmdd(本日日期)。如果文件夹已存在,则放弃创建。
爬虫开始时,先用selenium模拟打开浏览器,现在selenium为3.x版本,需要下载相应的插件才能启动,否则会报错。对于Chrome浏览器,插件下载地址:ChromeDriver Mirrornpm.taobao.org
对于火狐的话:https://github.com/mozilla/geckodriver/releases下载/github.com
下载的时候必须选择与自己浏览器版本相照应的插件版本。
下载完成后解压,并把解压内容添加到python环境变量中去,又或者复制到浏览器安装目录文件中,又或者在代码允许selenium的时候制定插件路径(本次实验中使用的方法)。
代码运行后,会自动弹出新的浏览器,扫码或者点击登陆后,只能展示前面20个左右的群成员名单,需要不停下拉到底部,才能加载到完整的名单信息。在这里通过代码实现。
获取到完整的页面信息后,用BeautifulSoup进行提取数据,并用pandas汇成表格,保存到本地。
具体代码如下(请重点留意代码注释,涉及很多细节。甚至对于不同的操作系统、浏览器也有提醒):
from selenium import webdriver
from bs4 import BeautifulSoup
import time
import datetime
import os
import pandas as pd
def save_data(driver):
res = driver.page_source # 获取源码
driver.quit() # 关闭浏览器
soup = BeautifulSoup(res,"lxml")
html = soup.select("td")
## 先用第2、3 个成员判断一下有无 字段
age_2 = html[ 2 * 10 + 6].text.replace("\t", "").replace("\n", "") ## Q龄
age_3 = html[ 2 * 10 + 6].text.replace("\t", "").replace("\n", "") ## Q龄
data = []
if "年" in age_2 and "年" in age_3: ## 说明无
for i in range(5000): ## 每个群最大5000人
try:
item = []
for j in range(2,9):
lineArr = html[ i*10 + j].text.replace("\t", "").replace("\n", "")
item.append(lineArr) ## 添加每个成员的信息,
data.append(item)
except:
break
cols = ['群成员', '群名片', 'QQ号', '性别', 'Q龄', '入群时间', '最后发言时间']
df = pd.DataFrame(data = data, columns = cols)
if "年" not in age_2 or "年" not in age_3: ## 说明有
for i in range(5000): ## 每个群最大5000人
try:
item = []
for j in range(2,10):
lineArr = html[ i*11 + j].text.replace("\t", "").replace("\n", "")
item.append(lineArr) ## 添加每个成员的信息,
data.append(item)
except:
break
cols = ['群成员', '群名片', 'QQ号', '性别', 'Q龄', '入群时间', '等级积分', '最后发言时间']
df = pd.DataFrame(data = data, columns = cols)
## 文件命令方式:路径path:./dataset_yyyymmdd/
## 文件名name:群号 + .csv
df.to_csv("./dataset_" + now[:8] + "/" + group_id + '.csv',
encoding = 'utf-8',
index = None)
return df
def scroll_foot(driver):
'''下拉界面'''
js="var q=document.documentElement.scrollTop=100000"
return driver.execute_script(js)
now = datetime.datetime.today().strftime("%Y%m%d")
try: ## 创建一个文件夹,用于存放数据集。文件夹命令方式:dataset + yyyymmdd(本日日期)
file = os.mkdir("dataset_" + now)
except: ## 如果文件夹已存在,则放弃创建
pass
group_id = '189200265' ## 需要爬取的群号
url = 'https://qun.qq.com/member.html#gid={}'.format(group_id)
driver = webdriver.Chrome(executable_path = '/Users/apricity/Desktop/chromedriver') # 手动输入插件路径
# driver = webdriver.Firefox() ## 如果是火狐浏览器可以用这行代码替换掉上面的
driver.get(url=url)
## 允许完上面代码后请确认登陆了再运行下面程序
## 可以利用time.sleep 给自己x秒内登陆完成后再自动执行下面程序
time.sleep(10)
max_n = 0
while max_n < len(driver.page_source):
max_n = len(driver.page_source)
scroll_foot(driver)
time.sleep(2.5) ## 每2.5秒下拉一次刷新名单,直至刷新不到新名单位置
df = save_data(driver) ## 保存本地数据
df.head()
以下是本人随便抽了一个群进行爬取的结果展示:
完整代码操作流程视频:https://www.zhihu.com/video/1127891777956483072
python爬取qq群成员_教你用python爬取自己加入的QQ群成员名单相关推荐
- python中的画布背景设置_教你用python画图—Turtle详细教程
Turtle模块绝对是吸引非专业代码开发者人员学习python入门的好工具 通过turtle几行代码的执行软件就会画出漂亮的图形,美观而且有成就感,这样一下子对python编程就产生了兴趣. 这些漂亮 ...
- python爬取qq音乐评论_教你用Python爬去QQ音乐评论
有态度地学习 去年夏天,好像于我而言,重要的事就是毕业来临,从此踏上了搬砖之路,从学校到职场,之间身份的转变,让我又多了一份责任.当然还有一段感情经历,现在回头去看,只能说且行且珍惜,或许以后未必能再 ...
- 用python画小猪佩奇动画片全集_教你用Python画小猪佩奇
刚过去几个月大家票圈肯定都被"小猪佩奇"."社会人"等字样刷屏了,不知道啥时候开始小猪佩奇成立社会人的标志,我说不出个所以然.但是相信很多人和我一样没有看过这系 ...
- python concat函数 多张表_教你用python递归函数求n的阶乘,优缺点及递归次数设置方式
本文内容介绍了python递归函数求n的阶乘,优缺点及递归次数设置方式,具有很好的参考价值,希望对大家有所帮助.一起跟随小编过来看看吧! 递归函数两大特点: 1.能够调用函数自身 2.至少有一个出口( ...
- python 查看已经安装的模块_教你用Python查看模块的帮助文档,方法和帮助信息...
这里介绍下python自带的查看帮助功能,可以在编程时不中断地迅速找到所需模块和函数的使用方法 查看方法 通用帮助函数help() python中的help()类似unix中的man指令,熟悉后会对我 ...
- python能做出exe程序么_教你用python做exe程序
pyinstaller是一个python扩展包,可以将python文件转换成exe文件,这样就可以实现在没有python的环境下运行想运行的程序啦! 也可以用python做一个windows桌面应用程 ...
- python小海龟画房子编程_教孩子学Python编程之海龟画图(一)
大家好,我是践行计算机教育刘老师,很高兴跟大家分享Python编程,建议5年级以上的学生学习.父母也可以陪着孩子一起学习Python编程,对于孩子学编程起到监督和辅助学习.下载我们Python编程工具 ...
- python 图片识别二维码_教你用Python实现实时二维码识别
鸽了好久,最近准备要更新了,想了很久将来可能会固定化的更新内容,会照顾我各种读者,比如这个Python一小时栏目,我让你在一个小时内实现一个有趣有用的小玩意,适合Python初学者或者编程兴趣者来食用 ...
- python堆叠瀑布图怎么做_教你用Python创建瀑布图
介绍 对于绘制某些类型的数据来说,瀑布图是一种十分有用的工具.不足为奇的是,我们可以使用Pandas和matplotlib创建一个可重复的瀑布图. 在往下进行之前,我想先告诉大家我指代的是哪种类型的图 ...
最新文章
- python与建筑设计_建筑学是学c语言好还是Python好?
- Android 动画之TranslateAnimation应用详解
- C++ Primer Plus章节编程练习(第五章)
- 成长型公司的存储架构
- linux编译安装mysql5.1.x
- token 微信access 过期_如何设计 QQ、微信等第三方账号登陆 ?以及设计数据库表!...
- Tensorflow 循环神经网络 文本情感分析概述02
- 【卡塔兰数】LeetCode 96. Unique Binary Search Trees
- CSDN博客搬家到WordPress
- 元编程的思想是一种新的编程细想吗
- 部门管理系统_维修工单管理系统的功能介绍
- HTML5物流大数据服务平台后台模板
- pip换源工具pqi
- vs修改项目属性无效的原因
- 大数据编程语言 Scala 进阶篇
- [React]网易云音乐Web PC端
- 板绘都有哪些优缺点?应该注意什么
- MySQL数据库实际应用中,需求分析阶段需要做什么?
- 华云大咖说 | 华云数据与数科网维携手共建国产云生态
- 数据名称:中国社会追踪调查数据CGSS区县码(最全版本)数据年限:2010-2015年数据简介:搭配CGSS数据使用,可精准匹配至区县层面,对于从事微观层面研究具有重要价值。