前言
本文的文字及图片来源于网络,仅供学习、交流使用,不具有任何商业用途,版权归原作者所有,如有问题请及时联系我们以作处理。
作者： python小爬虫
PS：如有需要Python学习资料的小伙伴可以加点击下方链接自行获取
- 效果图，其中涉及一些真名我就打码了，还有qq号我也打码了，见谅
- 分析登陆的元素，下图一目了然，怎么获取这个登陆元素应该都知道了
- 代码奉上
url = 'https://qun.qq.com/'
# 构建谷歌驱动器
browser = webdriver.Chrome()
# 请求url
browser.get(url)
# 模拟登陆，首先找到登陆的id，并点击
browser.find_element_by_css_selector('#headerInfo p a').click()
- 点击之后出现这么一个框框（这个框框可把我折磨的阿）原因是这样的，寻常的获取这个框框是不能获取到的
5.先看看这个框所在的位置，这个框框竟然在另一个html代码里面，也就是说在浏览器看的时候，出现了两个html标签，老实说，我是第一次看到这种情况的，奈何我的html也不好，连入门都算不上，没办法，我就去百度了，果然黄天不负有心人，说是因为iframe这个标签可以再放html代码，所以就是这种情况了
5. 既然知道了是怎么一回事之后，那就可以继续操作了，首先我们先找到iframe这个标签，然后获取它的src属性，这个链接就是这个框框登陆的链接了，如果不获取这个iframe标签的src属性，那么我们使用selenium是获取不到这个框框的元素的。
# 点击之后会弹出一个登陆框，这时候我们用显示等待来等待这个登陆框加载出来
WebDriverWait(browser, 1000).until(
EC.presence_of_all_elements_located(
(By.CSS_SELECTOR, '#loginWin iframe')
)
)
print('登陆框已加载')
# 登陆框加载之后，我们发现整个登陆框其实就是另一个网网页
# 如果在原网页操作这个登陆框的话，是不能操作的
# 所以我们只需要提取iframe标签的src属性，然后再去访问这个url即可实现
# 自动登陆
# 找到iframe标签并获取src
iframe_url = browser.find_element_by_css_selector('#loginWin iframe').get_attribute('src')
# 再访问这个url
browser.get(iframe_url)
# 找到快捷登陆的头像并点击
# 首先用显示等待这个头像已经加载完成
WebDriverWait(browser, 1000).until(
EC.presence_of_all_elements_located(
(By.ID, 'qlogin_list')
)
)
browser.find_element_by_css_selector('#qlogin_list a').click()
print('登陆成功')
- 登陆成功之后我们需要的是群管理，是ul标签的第四个li标签，通过xpath获取
# 登陆成功之后，我们就找到群管理的标签并点击,首先等待这个元素加载完成
WebDriverWait(browser, 1000).until(
EC.presence_of_all_elements_located(
(By.XPATH, './/ul[@id="headerNav"]/li[4]')
)
)
browser.find_element_by_xpath('.//ul[@id="headerNav"]/li[4]').click()
8.点击群管理之后，进入群管理界面，我们需要的是成员管理
# 点击之后，我们找到成员管理标签并点击
WebDriverWait(browser, 1000).until(
EC.presence_of_all_elements_located(
(By.CLASS_NAME, 'color-tit')
)
)
browser.find_element_by_class_name('color-tit').click()
9.点击成员管理之后会重新新建一个窗口，这个时候就会出现句柄，我们需要将当然窗口的句柄切换到新打开的这个界面，不然的话，是获取不到新打开界面的信息的，注释已经写了
# 打印全部窗口句柄
# print(browser.window_handles)
# 打印当前窗口句柄
# print(browser.current_window_handle)
# 注意这里点击成员管理之后会自动跳转到一个新窗口打开这个页面
# 所以我们需要将窗口句柄切换到这个新窗口
browser.switch_to.window(browser.window_handles[1])
# 解释一下browser.switch_to.window是获取当前一共有几个窗口
# 这里是2个
# browser.switch_to.window这个是指定当前游标切换到哪个窗口
# 其实也可以这么写
# all_window = browser.switch_to.window返回的是一个列表
# browser.switch_to.window(all_window[1])
# 效果是一样的
10.我们需要的是我加入的群信息
# 切换句柄之后，我们显示等待窗口出来
WebDriverWait(browser, 1000).until(
EC.presence_of_all_elements_located(
(By.CLASS_NAME, 'my-all-group')
)
)
# 筛选出我加入的群标签
lis = browser.find_elements_by_xpath('.//div[@class="my-all-group"]/ul[2]/li')
11.遍历列表，取出信息
# 遍历
num= 0
while True:
if num == len(lis):
break
try:
# 按顺序选择群并获取信息
# 先点击该群获取成员信息
lis[num].click()
# 显示等待信息加载完成
WebDriverWait(browser, 1000).until(
EC.presence_of_all_elements_located(
(By.CLASS_NAME, 'list')
)
)
# 获取该群当前有多少人，后面翻页需要
groupMemberNum = eval(browser.find_element_by_id('groupMemberNum').text)
# 每一次翻页都会刷新21条信息，所以写个循环
# 这里加1是因为假如一个群有36人，那么count=1，如果循环的话就不会翻页了
# 也就是只能抓到一页的数据，大家可以自己想想其中的流程就知道了
count = groupMemberNum // 21 + 1
# 这里我只爬取每个群的一部分，如果想爬取全部成员信息
# 请注释下面的if语句
if count > 2:
count = 1
# 每次循环都进行翻页
# while count:
# count -= 1
#
# browser.execute_script('document.documentElement.scrollTop=100000')
# time.sleep(2)
time.sleep(2)
# 开始获取成员信息
trs = browser.find_elements_by_class_name('mb')
if trs:
# 遍历
for tr in trs:
tds = tr.find_elements_by_tag_name('td')[2:]
if len(tds) == 8:
# qq网名
qq_name = tds[0].text
# 群名称
group_name = tds[1].text
# qq号
qq_number = tds[2].text
# 性别
gender = tds[3].text
# qq年龄
qq_year = tds[4].text
# 入群时间
join_time = tds[5].text
# 等级（积分）
level = None
# 最后发言时间
end_time = tds[6].text
# 声明一个字典存储数据
data_dict = {}
data_dict['qq_name'] = qq_name
data_dict['group_name'] = group_name
data_dict['qq_number'] = qq_number
data_dict['gender'] = gender
data_dict['qq_year'] = qq_year
data_dict['join_time'] = join_time
data_dict['level'] = level
data_dict['end_time'] = end_time
print(data_dict)
elif len(tds) == 9:
# qq网名
qq_name = tds[0].text
# 群名称
group_name = tds[1].text
# qq号
qq_number = tds[2].text
# 性别
gender = tds[3].text
# qq年龄
qq_year = tds[4].text
# 入群时间
join_time = tds[5].text
# 等级（积分）
level = tds[6].text
# 最后发言时间
end_time = tds[7].text
# 声明一个字典存储数据
data_dict = {}
data_dict['qq_name'] = qq_name
data_dict['group_name'] = group_name
data_dict['qq_number'] = qq_number
data_dict['gender'] = gender
data_dict['qq_year'] = qq_year
data_dict['join_time'] = join_time
data_dict['level'] = level
data_dict['end_time'] = end_time
data_list.append(data_dict)
print(data_dict)
browser.find_element_by_id('changeGroup').click()
time.sleep(3)
WebDriverWait(browser, 1000).until(
EC.presence_of_all_elements_located(
(By.CLASS_NAME, 'ui-dialog')
)
)
lis = browser.find_elements_by_xpath('.//div[@class="my-all-group"]/ul[2]/li')
num += 1
except Exception as e:
lis = browser.find_elements_by_xpath('.//div[@class="my-all-group"]/ul[2]/li')
num += 1
continue
完整代码附上
# 导入需要的包
# 爬取qq群的成员信息
from selenium import webdriver
from selenium.webdriver.support.ui import WebDriverWait
from selenium.webdriver.support import expected_conditions as EC
from selenium.webdriver.common.by import By
import time
import json
import csv
# 开始登陆
def login_spider():
url = 'https://qun.qq.com/'
# 构建谷歌驱动器
browser = webdriver.Chrome()
# 请求url
browser.get(url)
# 模拟登陆，首先找到登陆的id，并点击
browser.find_element_by_css_selector('#headerInfo p a').click()
# 点击之后会弹出一个登陆框，这时候我们用显示等待来等待这个登陆框加载出来
WebDriverWait(browser, 1000).until(
EC.presence_of_all_elements_located(
(By.CSS_SELECTOR, '#loginWin iframe')
)
)
print('登陆框已加载')
# 登陆框加载之后，我们发现整个登陆框其实就是另一个网网页
# 如果在原网页操作这个登陆框的话，是不能操作的
# 所以我们只需要提取iframe标签的src属性，然后再去访问这个url即可实现
# 自动登陆
# 找到iframe标签并获取是如此熟悉
iframe_url = browser.find_element_by_css_selector('#loginWin iframe').get_attribute('src')
# 再访问这个url
browser.get(iframe_url)
# 找到快捷登陆的头像并点击
# 首先用显示等待这个头像已经加载完成
WebDriverWait(browser, 1000).until(
EC.presence_of_all_elements_located(
(By.ID, 'qlogin_list')
)
)
browser.find_element_by_css_selector('#qlogin_list a').click()
print('登陆成功')
return browser
# 切换句柄操作
def switch_spider(browser):
# 登陆成功之后，我们就找到群管理的标签并点击,首先等待这个元素加载完成
WebDriverWait(browser, 1000).until(
EC.presence_of_all_elements_located(
(By.XPATH, './/ul[@id="headerNav"]/li[4]')
)
)
browser.find_element_by_xpath('.//ul[@id="headerNav"]/li[4]').click()
# 点击之后，我们找到成员管理标签并点击
WebDriverWait(browser, 1000).until(
EC.presence_of_all_elements_located(
(By.CLASS_NAME, 'color-tit')
)
)
browser.find_element_by_class_name('color-tit').click()
# 打印全部窗口句柄
# print(browser.window_handles)
# 打印当前窗口句柄
# print(browser.current_window_handle)
# 注意这里点击成员管理之后会自动跳转到一个新窗口打开这个页面
# 所以我们需要将窗口句柄切换到这个新窗口
browser.switch_to.window(browser.window_handles[1])
# 解释一下browser.switch_to.window是获取当前一共有几个窗口
# 这里是2个
# browser.switch_to.window这个是指定当前游标切换到哪个窗口
# 其实也可以这么写
# all_window = browser.switch_to.window返回的是一个列表
# browser.switch_to.window(all_window[1])
# 效果是一样的
return browser
# 开始采集数据
def start_spider(browser):
# 声明一个列表存储字典
data_list = []
# 切换句柄之后，我们显示等待窗口出来
WebDriverWait(browser, 1000).until(
EC.presence_of_all_elements_located(
(By.CLASS_NAME, 'my-all-group')
)
)
# 筛选出我加入的群标签
lis = browser.find_elements_by_xpath('.//div[@class="my-all-group"]/ul[2]/li')
# 遍历
num = 0
while True:
try:
# 按顺序选择群并获取信息
# 先点击该群获取成员信息
lis[num].click()
# 显示等待信息加载完成
WebDriverWait(browser, 1000).until(
EC.presence_of_all_elements_located(
(By.CLASS_NAME, 'list')
)
)
# 获取该群当前有多少人，后面翻页需要
groupMemberNum = eval(browser.find_element_by_id('groupMemberNum').text)
# 每一次翻页都会刷新21条信息，所以写个循环
# 这里加1是因为假如一个群有36人，那么count=1，如果循环的话就不会翻页了
# 也就是只能抓到一页的数据，大家可以自己想想其中的流程就知道了
count = groupMemberNum // 21 + 1
# 这里我只爬取每个群的一部分，如果想爬取全部成员信息
# 请注释下面的if语句
if count > 5:
count = 5
# 每次循环都进行翻页
while count:
count -= 1
browser.execute_script('document.documentElement.scrollTop=100000')
time.sleep(2)
time.sleep(3)
# 开始获取成员信息
trs = browser.find_elements_by_class_name('mb')
if trs:
# 遍历
for tr in trs:
tds = tr.find_elements_by_tag_name('td')[2:]
if len(tds) == 8:
# qq网名
qq_name = tds[0].text
# 群名称
group_name = tds[1].text
# qq号
qq_number = tds[2].text
# 性别
gender = tds[3].text
# qq年龄
qq_year = tds[4].text
# 入群时间
join_time = tds[5].text
# 等级（积分）
level = None
# 最后发言时间
end_time = tds[6].text
# 声明一个字典存储数据
data_dict = {}
data_dict['qq_name'] = qq_name
data_dict['group_name'] = group_name
data_dict['qq_number'] = qq_number
data_dict['gender'] = gender
data_dict['qq_year'] = qq_year
data_dict['join_time'] = join_time
data_dict['level'] = level
data_dict['end_time'] = end_time
print(data_dict)
elif len(tds) == 9:
# qq网名
qq_name = tds[0].text
# 群名称
group_name = tds[1].text
# qq号
qq_number = tds[2].text
# 性别
gender = tds[3].text
# qq年龄
qq_year = tds[4].text
# 入群时间
join_time = tds[5].text
# 等级（积分）
level = tds[6].text
# 最后发言时间
end_time = tds[7].text
# 声明一个字典存储数据
data_dict = {}
data_dict['qq_name'] = qq_name
data_dict['group_name'] = group_name
data_dict['qq_number'] = qq_number
data_dict['gender'] = gender
data_dict['qq_year'] = qq_year
data_dict['join_time'] = join_time
data_dict['level'] = level
data_dict['end_time'] = end_time
data_list.append(data_dict)
print(data_dict)
browser.find_element_by_id('changeGroup').click()
time.sleep(3)
WebDriverWait(browser, 1000).until(
EC.presence_of_all_elements_located(
(By.CLASS_NAME, 'ui-dialog')
)
)
lis = browser.find_elements_by_xpath('.//div[@class="my-all-group"]/ul[2]/li')
num += 1
except Exception as e:
continue
return data_list
def main():
browser = login_spider()
browser = switch_spider(browser)
data_list = start_spider(browser)
# 将数据写入json文件
with open('data_json.json', 'a+', encoding='utf-8') as f:
json.dump(data_list, f)
print('json文件写入完成')
# 这里的编码格式不要写错了，不然会出现乱码，因为群里面的大神名字贼骚
with open('data_csv.csv', 'w', encoding='utf-8-sig', newline='') as f:
# 表头
title = data_list[0].keys()
# 声明writer
writer = csv.DictWriter(f, title)
# 写入表头
writer.writeheader()
# 批量写入数据
writer.writerows(data_list)
print('csv文件写入完成')
if __name__ == '__main__':
main()
378
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
