爬虫（102）年少遇她误终身？---公众号---志学Python

你是否曾经遇到那个她？让你至今难忘，却又错过了？如果有，小编今天就教了爬取她的QQ空间的说说，如果没有，那也没有关系，小编我陪你哈哈，那你可以爬取你自己的QQ空间

在金庸小说里面其实最喜欢的还是天龙八部，还有射雕英雄传，传说中女孩遇上杨过会误终身，也确实，杨过那么帅气，又是大侠，但是杨过遇上小龙女也误了终身，哈哈

太伤感了，不谈太多感情的事情，免得勾起太多回忆，回忆过去，痛苦的相思忘不了，为何你还来拨动我心跳啊

好了，废话少说，小编我就来带你爬取你喜欢的人的QQ空间的说说，我来分析一下，最近这些年，她过的还好？说说里面都有什么话？或许你看到这些说说你就会安心了，也许也会死心了

我在爬取QQ说说时候，我们需要我们的账号密码，然后点击登录按钮就登录进来我们的 QQ 空间了，然后我们要看看我们自己的说说需要滑动到最后，然后点击下一下，再看到下一页的信息

嗯，不过几分钟的时间，我就登录进来我自己的QQ空间了，好干净啊，我还是蛮喜欢QQ的，因为QQ承载着我许多中学的回忆，我会一直保留着自己的QQ号，直到死亡那一刻画上句号

首先我们需要一个自动化爬取工具就是 selenuim 用来打开 chrome 浏览器

from selenium import webdriver

实现自行登录

#获取浏览器驱动 #driver = webdriver.Firefox() driver = webdriver.Chrome() #driver = webdriver.Chrome() # 浏览器窗口最大化 #driver.maximize_window() # 浏览器地址定向为qq登陆页面 driver.get("http://i.qq.com") # 所以这里需要选中一下frame，否则找不到下面需要的网页元素 driver.switch_to.frame("login_frame") # 自动点击账号登陆方式 driver.find_element_by_id("switcher_plogin").click() # 账号输入框输入已知qq账号 driver.find_element_by_id("u").send_keys(user) # 密码框输入已知密码 driver.find_element_by_id("p").send_keys(pw) # 自动点击登陆按钮 driver.find_element_by_id("login_button").click() # 让webdriver操纵当前页 driver.switch_to.default_content() # 跳到说说的url, friend你可以任意改成你想访问的空间 driver.get("http://user.qzone.qq.com/" + friend + "/311")

然后登录成功之后，就是模拟人的一系列操作，首先是一页一页的看QQ空间的说说，那我们爬取也是模拟人点击下一页，下一页的爬取QQ空间的说说

next_num = 0 # 初始“下一页”的id while True: # 下拉滚动条，使浏览器加载出动态加载的内容， # 我这里是从1开始到6结束 分5 次加载完每页数据 for i in range(1,6): height = 20000*i#每次滑动20000像素 strWord = "window.scrollBy(0,"+str(height)+")" driver.execute_script(strWord) time.sleep(4) # 很多时候网页由多个<frame>或<iframe>组成，webdriver默认定位的是最外层的frame， # 所以这里需要选中一下说说所在的frame，否则找不到下面需要的网页元素 driver.switch_to.frame("app_canvas_frame") selector = etree.HTML(driver.page_source) divs = selector.xpath('//*[@id="msgList"]/li/div[3]') #这里使用 a 表示内容可以连续不清空写入 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_name = qq_name[0] if len(qq_name)>0 else '' qq_content = qq_content[0] if len(qq_content)>0 else '' qq_time = qq_time[0] if len(qq_time)>0 else '' print (qq_name,qq_time,qq_content) f.write(qq_content+"n") # 当已经到了尾页，“下一页”这个按钮就没有id了，可以结束了 if driver.page_source.find('pager_next_' + str(next_num)) == -1: break # 找到“下一页”的按钮，因为下一页的按钮是动态变化的，这里需要动态记录一下 driver.find_element_by_id('pager_next_' + str(next_num)).click() # “下一页”的id next_num += 1 # 因为在下一个循环里首先还要把页面下拉，所以要跳到外层的frame上 driver.switch_to.parent_frame()

接下来我们就来运行一下代码吧，看看效果

python shuoshuo.py '朋友的QQ号' '你自己的QQ号' '你自己的QQ登录密码'

结果我就登录进来了

我们先在当前目录下新建一个爬取QQ说说之后的文本文件保存为

qq_word.txt

好了至此，我们就算爬完QQ空间好友的说说了，明天带领大家进行词云分析

---来自腾讯云社区的---公众号---志学Python