python爬取網頁版QQ空間,生成各類圖表
https://github.com/kuishou68/python
各類圖表的實現效果
按照你的谷歌瀏覽器下載指定版本的驅動 http://chromedriver.storage.googleapis.com/index.html
驅動跟兩個python腳本放入同目錄，我的版本是90.0.4430的，查看你自己的版本，下載后把我的chromedriver.exe替換掉！
這里用到了很多第三方包，鼠標放在報紅的包名下，用Alt+Enter導包，如果失敗則在控制臺用下面的必殺技
pip install 包名 -i http://pypi.douban.com/simple/ --trusted-host pypi.douban.com
qq空間txt.py
import timefrom selenium import webdriverfrom lxml import etree# 這里一定要設置編碼格式，防止后面寫入文件時報錯friend = ’1569339843’ # 朋友的QQ號，朋友的空間要求允許你能訪問user = ’783533896’ # 你的QQ號pw = ’1323mkoNJI.@’ # 你的QQ密碼# 獲取瀏覽器驅動chrome_driver = ’chromedriver.exe’driver = webdriver.Chrome(executable_path=chrome_driver)# 瀏覽器窗口最大化driver.maximize_window()# 瀏覽器地址定向為qq登陸頁面driver.get('http://i.qq.com')# 所以這里需要選中一下frame，否則找不到下面需要的網頁元素driver.switch_to.frame('login_frame')time.sleep(3)# 自動點擊賬號登陸方式driver.find_element_by_id('switcher_plogin').click()time.sleep(3)# 賬號輸入框輸入已知qq賬號driver.find_element_by_id('u').send_keys(user)time.sleep(5)# 密碼框輸入已知密碼driver.find_element_by_id('p').send_keys(pw)time.sleep(5)# 自動點擊登陸按鈕driver.find_element_by_id('login_button').click()time.sleep(5)# 讓webdriver操縱當前頁driver.switch_to.default_content()time.sleep(5)# 跳到說說的url, friend你可以任意改成你想訪問的空間driver.get('http://user.qzone.qq.com/' + friend + '/311')time.sleep(5)next_num = 0 # 初始“下一頁”的idwhile True: # 下拉滾動條，使瀏覽器加載出動態加載的內容， # 我這里是從1開始到6結束 分5 次加載完每頁數據 for i in range(1, 6):height = 20000 * i # 每次滑動20000像素strWord = 'window.scrollBy(0,' + str(height) + ')'driver.execute_script(strWord)time.sleep(4) # 很多時候網頁由多個<frame>或<iframe>組成，webdriver默認定位的是最外層的frame， # 所以這里需要選中一下說說所在的frame，否則找不到下面需要的網頁元素 driver.switch_to.frame('app_canvas_frame') selector = etree.HTML(driver.page_source) divs = selector.xpath(’//*[@id='msgList']/li/div[3]’) # 這里使用 a 表示內容可以連續不清空寫入 with open(’qq_word.txt’, ’a’, encoding='utf-8') as f:for div in divs: qq_name = div.xpath(’./div[2]/a/text()’) qq_content = div.xpath(’./div[2]/pre/text()’) qq_time = div.xpath(’./div[4]/div[1]/span/a/text()’) qq_praise = div.xpath(’./div[4]/div[2]/span/span/a[2]/text()’) qq_comment = div.xpath(’./div[4]/div[2]/a[3]/text()’) qq_name = qq_name[0] if len(qq_name) > 0 else ’’ qq_content = qq_content[0] if len(qq_content) > 0 else ’’ qq_content = qq_content.replace(’n’, ’ ’) qq_time = qq_time[0] if len(qq_time) > 0 else ’’ qq_praise = qq_praise[0] if len(qq_praise) > 0 else ’’ qq_comment = qq_comment[0] if len(qq_comment) > 0 else ’’ print(qq_name, qq_time, qq_content, qq_praise, qq_comment) f.write(qq_content + 'n') # 當已經到了尾頁，“下一頁”這個按鈕就沒有id了，可以結束了 if driver.page_source.find(’pager_next_’ + str(next_num)) == -1:break # 找到“下一頁”的按鈕，因為下一頁的按鈕是動態變化的，這里需要動態記錄一下 driver.find_element_by_id(’pager_next_’ + str(next_num)).click() # “下一頁”的id next_num += 1 # 因為在下一個循環里首先還要把頁面下拉，所以要跳到外層的frame上 driver.switch_to.parent_frame()# 關閉瀏覽器driver.quit()
各種圖表的生成
import pandas as pdfrom pyecharts.charts import Barfrom pyecharts.charts import Pieimport pyecharts.options as optsfrom pyecharts.charts import Lineimport redf_excel = pd.read_excel(’qq_excel.xlsx’) # 默認讀取sheet=0 Pandas DataFrame’def getTimeStr(row): item = row[’時間’] if pd.isnull(item) | pd.isna(item):return data = item.split(’年’)[0] return data# 按年統計說說數量def readCount(result, row): timeData = getTimeStr(row) if timeData == None: return if timeData in result.keys():result[timeData] += 1 else:result[timeData] = 1# 按年統計說說點贊數def readThumb(result, row): item = row[’贊’] if pd.isnull(item):return # data = re.match(r’贊((d+).*’, item, re.M | re.I) if len(item.split('(')) <= 1:return data = item.split('(')[1].split(')')[0] timeData = getTimeStr(row) if timeData == None: return if timeData in result.keys():result[timeData] += int(data) else:result[timeData] = int(data)# 按年統計說說評論數def readComment(result, row): item = row[’評論’] if pd.isnull(item):return # data = re.match(r’贊((d+).*’, item, re.M | re.I) if len(item.split('(')) <= 1:return data = item.split('(')[1].split(')')[0] timeData = getTimeStr(row) if timeData == None: return if timeData in result.keys():result[timeData] += int(data) else:result[timeData] = int(data)def readExcel(df_excel): count = {} result = {} thumb = {} comment = {} for index, row in df_excel.iterrows():readCount(count, row)readThumb(thumb, row)readComment(comment, row) result[’count’] = count result[’thumb’] = thumb result[’comment’] = comment return resultdef getKeyAndVal(keyWord): data = readExcel(df_excel).get(keyWord) key = [] value = [] for item in data.keys():key.append(item)value.append(data[item]) key.reverse() value.reverse() return [key, value]# 統計每年發表說說次數柱狀圖def paintBar(): count = readExcel(df_excel).get(’count’) # V1 版本開始支持鏈式調用 data = getKeyAndVal(’count’) print(data[0]) d = (Bar() .add_xaxis(data[0]) .add_yaxis('每年發表說說總數', data[1]) .render('每年發表說說總數柱狀圖.html') )paintBar()# 統計點贊和評論折線圖def paintLine(): commentData = getKeyAndVal(’comment’) thumbData = getKeyAndVal(’thumb’) xaxis_data = commentData[0] commentValue = commentData[1] thumbValue = thumbData[1] d = (Line() .add_xaxis(xaxis_data=xaxis_data) .add_yaxis('每年評論數', y_axis=commentValue) .add_yaxis('每年點贊數', y_axis=thumbValue) .render('每年點贊和評論折現圖.html') # 輸出圖形 )paintLine()
其他代碼自行下載項目查看
以上就是python爬取網頁版QQ空間,生成各類圖表的詳細內容，更多關于python 爬取QQ空間的資料請關注好吧啦網其它相關文章！
網公網安備