#coding:utf-8#!/usr/bin/python3
from selenium importwebdriverimporttimeimportreimportimportlib2importsys
importlib2.reload(sys)defstartSpider():
driver= webdriver.Chrome('/Users/zachary/zachary/chromedriver.exe') #这个是chormedriver的地址
driver.get('https://qzone.qq.com/')
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') #这里填写你的QQ号
driver.find_element_by_id('p').clear()
driver.find_element_by_id('p').send_keys('QQ密码') #这里填写你的QQ密码
driver.find_element_by_id('login_button').click()
time.sleep(2)#设置爬取内容保存路径
f = open('/Users/zachary/Documents/shuoshuo.txt','w')#---------------获得g_qzonetoken 和 gtk
html =driver.page_source'''g_qzonetoken=re.search('window\.g_qzonetoken = \(function\(\)\{ try\{return (.*?);\} catch\(e\)',html)#从网页源码中提取g_qzonetoken'''g_qzonetoken= "e794139a284d6ea9e0b26826e541b55df37d0667a3544f534de25aebdb64628d3ab75e1d7104bbb22a"cookie= {}#初始化cookie字典
for elem in driver.get_cookies():#取cookies
cookie[elem['name']] = elem['value']
gtk=getGTK(cookie)#通过getGTK函数计算gtk
#print(g_qzonetoken)
#print(gtk)
#--------------获得好友列表 注意下面的链接
driver.get('https://user.qzone.qq.com/proxy/domain/r.qzone.qq.com/cgi-bin/tfriend/friend_hat_get.cgi?hat_seed=1&uin=你的QQ号fupdate=1&g_tk='+str(gtk)+'&qzonetoken='+str(g_qzonetoken)+'&g_tk='+str(gtk))
friend_list=driver.page_source
friend_list=str( friend_list )
abtract_pattern= re.compile('\"(.\d*)\":\{\\n"realname":"(.*?)"}',re.S)
QQ_name_list= re.findall(abtract_pattern,str(friend_list)) #数组
print(QQ_name_list)
numList=dict()#numList => (QQnum:QQname) #列表
for i inQQ_name_list:
numList[str(i[0])]=str(i[1])
begin=0
last_source= ""tag= 1first=0
firstTime=""
#如果要爬取自己的说说,手动添加自己的qq号
#numList['你的qq号']='你的名字'
#print(numList)
for key innumList.keys():
QQnum=key
QQname=numList[QQnum]if QQnum == "好友qq号": #根据qq号查找指定好友说说
count = 1begin=0while tag==1:#-------------进入好友说说页面 #'+QQnum+' '+str(begin)+'
#print("Begin:"+str(begin))
driver.get('https://user.qzone.qq.com/proxy/domain/taotao.qq.com/cgi-bin/emotion_cgi_msglist_v6?uin='+QQnum+'&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='+str(g_qzonetoken)+'&g_tk='+str(gtk))try:
msg_list_json=driver.page_sourceexcept:
begin= begin + 40
continuemsg_list_json=str(msg_list_json)if last_source==msg_list_json :break
else:
last_source=msg_list_json#检测是否没有权限访问
abtract_pattern = re.compile(',"message":"(.*?)","name":',re.S)
message=re.findall(abtract_pattern,str(msg_list_json))if message!=[]:if str(message[0])=='对不起,主人设置了保密,您没有权限查看':#对不起,主人设置了保密,您没有权限查看
break
#print(msg_list_json)
#解析JSON
#webDriver没有现成的JSON解析器,所以采用获取源码的方式,然后使用正则表达式获取具体细节
msg_list_json = msg_list_json.split("msglist")[1]#拆分json,缩小范围,也能加快解析速度
msg_list_json = msg_list_json.split("smoothpolicy")[0]
msg_list_json= msg_list_json.split("commentlist")[1:]#说说动态分4种:1、文字说说(或带有配图的文字说说)
#2、只有图片的说说
#3、转发,并配有文字
#4、转发,不配文字
for text inmsg_list_json:#1、先检查说说,用户是否发送了文字,如果没有文字,正则表达式匹配无效
abtract_pattern = re.compile('\}\],"content":"(.*?)","createTime":"(.*?)","created_time":(.*?),"',re.S)
msg_time=re.findall(abtract_pattern,str(text))if msg_time!=[]:#2、如果作者说说有文字,那么检查是否有转发内容
msg =str(msg_time[0][0])
sendTime= str(msg_time[0][1])
abtract_pattern= re.compile('\}\],"content":"(.*?)"},"rt_createTime":"(.*?)","',re.S)
text= text.split("created_time")[1]
msg_time2=re.findall(abtract_pattern,str(text))#合并发送内容 格式:评论+转发内容
if msg_time2!=[]:
msg= msg +"转发内容:"+str(msg_time2[0][0])else:#3、说说内容为空,检查是否为 =>只有图片的说说 or 转发,不配文字
#获取正文发送时间 (发送时间分为:正文发送时间 or 转发时间)
abtract_pattern = re.compile('"conlist":null,"content":"","createTime":"(.*?)",',re.S)
msgNull_time=re.findall(abtract_pattern,str(text))if msgNull_time!=[]:#如果有正文发送时间,那么就是这条说说仅含有图片 =>只有图片的说说
msg = "图片"sendTime=str(msgNull_time[0])else:#如果没有正文发送时间,那么就是说这条说为 =>转发,不配文字
abtract_pattern = re.compile('\}\],"content":"(.*?)"},"rt_createTime":"(.*?)","',re.S)
msg_time=re.findall(abtract_pattern,str(text))
msg="转发内容:"+str(msg_time[0][0])
sendTime= str(msg_time[0][1])#写入本地文件
#f.write('{},{},{},{}\n'.format(str(QQname),str(QQnum),sendTime,msg))
print(str(count)+":"+str(QQname)+":"+str(QQnum)+":"+sendTime+":"+msg)
count= count + 1begin= begin + 40
defgetGTK(cookie):
hashes= 5381
for letter in cookie['p_skey']:
hashes+= (hashes << 5) +ord(letter)return hashes & 0x7fffffffstartSpider()print("爬取结束")