大家好，我是辣条。
室友知道了我上次给班花修过电脑，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：QQ空间
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('/')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 = 5381for letter in cookie['p_skey']:hashes += (hashes << 5) + ord(letter)return hashes & 0x7fffffffcookie = {} # 初始化cookie字典for elem in driver.get_cookies(): # 取cookiescookie[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 jsonimport refrom selenium import webdriverimport timedef getGTK(cookie):hashes = 5381for 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("/")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./proxy/domain/r./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 = 0begin = 0driver.get('https://user./proxy/domain//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('{},{},{},{}\n\n'.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！
