大家好，我是辣条。
软件定制开发供应商室友知道了我上次给班软件定制开发供应商花修过电脑，软件定制开发供应商追了我三条街，嘴里大骂我不当人子，怪我这种事情没带他。最后又舔着脸求我支招，这货竟然想追班花！辣条我为了兄弟两（收）肋（钱）插（办）刀（事），毫不犹豫的答应了。但是我只有班花的QQ和微信怎么办呢，那就从她平时发的动态着手，于是就有了这篇文章，不过最后我又发现了她的另一秘密！
采集数据目标
网址：
工具使用
开发环境：win10、python3.7 开发工具：pycharm、Chrome 工具包：selenium，re，time
重点内容学习
-
selenium使用 -gtk的加密方式 -数据信息的获取
前言
selenium为测试工具需要先配置安装驱动 博主用的是chorme浏览器，下载chormedrive 驱动下载地址 下载完成之后将驱动exe放到Python安装目录
项目思路解析
控制selenium登录QQ空间
- driver = webdriver.Chrome() # 这个是chormedriver的地址
- 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("QQ号")
- driver.find_element_by_id('p').clear()
- driver.find_element_by_id('p').send_keys(“QQ密码”)
- driver.find_element_by_id('login_button').click()
- time.sleep(2)
获取到好友QQ昵称以及QQ名称 g_tk为加密参数找到加密方法 g_tk值为cookie值进行加密获取p_skey的值进行加密 通过selenium提取到当前网页的cookie值 Python解密代码
- def getGTK(cookie):
- hashes = 5381
- for letter in cookie['p_skey']:
- hashes += (hashes << 5) + ord(letter)
- return hashes & 0x7fffffff
- cookie = {} # 初始化cookie字典
- for elem in driver.get_cookies(): # 取cookies
- cookie[elem['name']] = elem['value']
- gtk = tool.getGTK(cookie) # 通过getGTK函数计算gtk
-
获取到好友的QQ号的方法有很多，只有能提取到就行 获取好友说说信息的链接 获取到链接的数据信息
简易源码展示
- import json
- import re
- from selenium import webdriver
- import time
-
-
- def getGTK(cookie):
- hashes = 5381
- for letter in cookie['p_skey']:
- hashes += (hashes << 5) + ord(letter)
- return hashes & 0x7fffffff
-
- # 封装函数的关键字
- def start_spider():
- driver = webdriver.Chrome()
- driver.get("https://i.qq.com/")
- driver.switch_to.frame('login_frame')
- # time.sleep(10)
- driver.find_element_by_id('bottom_qlogin').click()
- # time.sleep(5)
- driver.find_element_by_name('u').clear()
- driver.find_element_by_name('u').send_keys('qq号')
- # time.sleep(5)
- driver.find_element_by_name('p').clear()
- driver.find_element_by_name('p').send_keys('qq密码')
- driver.find_element_by_id('login_button').click()
- time.sleep(2)
- cookie = {}
-
- for i in driver.get_cookies():
- cookie[i['name']] = i['value']
-
- gtk = getGTK(cookie)
- driver.get('https://user.qzone.qq.com/proxy/domain/r.qzone.qq.com/cgi-bin/tfriend/friend_hat_get.cgi?hat_seed=1&uin=1727948159fupdate=2&g_tk=' + str(
- gtk) + '&qzonetoken=e794139a284d6ea9e0b26826e541b55df37d0667a3544f534de25aebdb64628d3ab75e1d7104bbb22a' + '&g_tk=' + str(
- gtk))
- time.sleep(4)
- friend_list = driver.page_source
- # print(friend_list)
- abtract_pattern = '''"(.*?)":{
- "realname":"(.*?)"}'''
- qq_name_list = re.findall(abtract_pattern, str(friend_list)) # 数组
- print(qq_name_list)
- for qq_info in qq_name_list:
- qq_num = qq_info[0]
- qq_name = qq_info[1]
- if qq_num == "对方QQ号": # 我只获取了一个
- count = 0
- begin = 0
-
- driver.get('https://user.qzone.qq.com/proxy/domain/taotao.qq.com/cgi-bin/emotion_cgi_msglist_v6?uin=' + qq_num + '&ftype=0&sort=0&pos=' + str(
- begin) + '&num=40&replynum=200&g_tk=' + str(
- gtk) + '&callback=_preloadCallback&code_version=1&format=jsonp&need_private_comment=1&qzonetoken=e794139a284d6ea9e0b26826e541b55df37d0667a3544f534de25aebdb64628d3ab75e1d7104bbb22a&g_tk=' + str(
- gtk))
-
- msg_json = driver.page_source
- # print(msg_json)
- msg_json_list = re.findall('_preloadCallback\((.*?)\);', str(msg_json))
- print(msg_json_list)
- data = json.loads(msg_json_list[0])
- # print(data)
- for text in data['msglist']:
- content = text['content']
- createTime = text['createTime']
- f = open("shuoshuo.text", "a", encoding="utf-8")
- f.write('{},{},{},{}\'.format(qq_num, qq_name, createTime, content))
-
-
-
- start_spider()
效果图展示
结尾
我成功的把班花空间的数据爬取下来了，主要还是说说的内容，通过她的说说我竟然发现了她喜欢王俊凯，而且还是铁粉的那种，这下我室友是没戏了，哎可怜的娃儿...
PS：纯属技术交流学习，抓取的都是公开数据，没有进行非法牟利获取，最后室友转给我的钱请他吃饭喝酒去了【谁都有过这时候】，最后提醒大家，不要利用爬虫进行违规违法操作，一定要遵纪守法！