经验总结:用Python爬虫存下自己的QQ空间并进行本地浏览

博主使用Python的Selenium爬取QQ空间,通过PyQt5构建本地浏览器。在爬取过程中遇到iframe、元素加载等问题,通过设置隐式等待和切换iframe解决。之后利用PyInstaller打包发布软件。
摘要由CSDN通过智能技术生成

概览

我的QQ空间里存了我自己很多宝贵的黑历史,因此我希望能把这些个人文字都保存下来以供在本地浏览,以防服务器遭遇不测。在经历了一些挫折后我选择用Python实现这项需求。这个项目主要分成两个部分:第一个是爬虫部分,我主要用Selenium模块实现;第二个是“浏览器”部分,我主要用PyQt5模块实现。
项目代码可见:https://github.com/HYLZ-2019/LocalZone
目前还在施工中,这个帖子持续更新,主要记录我在搬砖过程中遇到的一些困难。本人太菜,还请多多包涵。

0 用Anaconda配置虚拟环境

我的Anaconda是在上个学期下的,不过我前不久才发现了Anaconda的正确用法——真香!创建一个新的虚拟环境,然后在里面install自己这个项目所需的模块,就可以轻松解决“各种各样模块版本不兼容带来的乱七八糟问题”,非常方便。

0.0 但是要记得activate虚拟环境

我自己的设置是每次重启电脑后都要重新activate才能进入虚拟环境。所以我经常F5出模块缺失才发现自己忘开了。

1 用Selenium爬取QQ空间

我的爬虫雏形主要参考了这篇博客:
https://www.cnblogs.com/lulu-beibei/p/6026468.html
语言颇具风格,但很适合本菜看懂(x
在这个博主的推荐下,我采用了Selenium模块,发现它真的非常直观——就是直接模拟人类操作。我在内部用的是ChromeDriver,为了运行这个,还得给自己的Chrome浏览器

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
爬虫(Web Crawler)是一种自动化程序,用于从互联网上收集信息。其主要功能是访问网页、提取数据并存储,以便后续分析或展示。爬虫通常由搜索引擎、数据挖掘工具、监测系统等应用于网络数据抓取的场景。 爬虫的工作流程包括以下几个关键步骤: URL收集: 爬虫从一个或多个初始URL开始,递归或迭代地发现新的URL,构建一个URL队列。这些URL可以通过链接分析、站点地图、搜索引擎等方式获取。 请求网页: 爬虫使用HTTP或其他协议向目标URL发起请求,获取网页的HTML内容。这通常通过HTTP请求库实现,如Python中的Requests库。 解析内容: 爬虫对获取的HTML进行解析,提取有用的信息。常用的解析工具有正则表达式、XPath、Beautiful Soup等。这些工具帮助爬虫定位和提取目标数据,如文本、图片、链接等。 数据存储: 爬虫将提取的数据存储到数据库、文件或其他存储介质中,以备后续分析或展示。常用的存储形式包括关系型数据库、NoSQL数据库、JSON文件等。 遵守规则: 为避免对网站造成过大负担或触发反爬虫机制,爬虫需要遵守网站的robots.txt协议,限制访问频率和深度,并模拟人类访问行为,如设置User-Agent。 反爬虫应对: 由于爬虫的存在,一些网站采取了反爬虫措施,如验证码、IP封锁等。爬虫工程师需要设计相应的策略来应对这些挑战。 爬虫在各个领域都有广泛的应用,包括搜索引擎索引、数据挖掘、价格监测、新闻聚合等。然而,使用爬虫需要遵守法律和伦理规范,尊重网站的使用政策,并确保对被访问网站的服务器负责。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值