0°

Python爬虫使用selenium爬取qq群的成员信息(全自动实现自动登陆)

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

http://note.youdao.com/noteshare?id=3054cce4add8a909e784ad934f956cef

  1. 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

  2. 在这里插入图片描述 在这里插入图片描述

  3. 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

  4. 在这里插入图片描述

  5. 代码奉上

1 url = 'https://qun.qq.com/'
2 # 构建谷歌驱动器
3 browser = webdriver.Chrome()
4 # 请求url
5 browser.get(url)
6 # 模拟登陆,首先找到登陆的id,并点击
7 browser.find_element_by_css_selector('#headerInfo p a').click()

 

  1. 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

在这里插入图片描述

  1. 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。 在这里插入图片描述

 1 # 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
 2 WebDriverWait(browser, 1000).until(
 3     EC.presence_of_all_elements_located(
 4         (By.CSS_SELECTOR, '#loginWin iframe')
 5     )
 6 )
 7 print('登陆框已加载')
 8 # 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
 9 # 如果在原网页操作这个登陆框的话,是不能操作的
10 # 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
11 # 自动登陆
12 # 找到iframe标签并获取src
13 iframe_url = browser.find_element_by_css_selector('#loginWin iframe').get_attribute('src')
14 # 再访问这个url
15 browser.get(iframe_url)
16 # 找到快捷登陆的头像并点击
17 # 首先用显示等待这个头像已经加载完成
18 WebDriverWait(browser, 1000).until(
19     EC.presence_of_all_elements_located(
20         (By.ID, 'qlogin_list')
21     )
22 )
23 browser.find_element_by_css_selector('#qlogin_list a').click()
24 print('登陆成功')

 

  1. 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

  2. 在这里插入图片描述

1 # 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
2 WebDriverWait(browser, 1000).until(
3     EC.presence_of_all_elements_located(
4         (By.XPATH, './/ul[@id="headerNav"]/li[4]')
5     )
6 )
7 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

在这里插入图片描述

1 # 点击之后,我们找到成员管理标签并点击
2 WebDriverWait(browser, 1000).until(
3     EC.presence_of_all_elements_located(
4         (By.CLASS_NAME, 'color-tit')
5     )
6 )
7 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

在这里插入图片描述

 1 # 打印全部窗口句柄
 2 # print(browser.window_handles)
 3 # 打印当前窗口句柄
 4 # print(browser.current_window_handle)
 5 # 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
 6 # 所以我们需要将窗口句柄切换到这个新窗口
 7  8 browser.switch_to.window(browser.window_handles[1])
 9 10 # 解释一下browser.switch_to.window是获取当前一共有几个窗口
11 # 这里是2个
12 # browser.switch_to.window这个是指定当前游标切换到哪个窗口
13 # 其实也可以这么写
14 # all_window = browser.switch_to.window返回的是一个列表
15 # browser.switch_to.window(all_window[1])
16 # 效果是一样的

 

10.我们需要的是我加入的群信息

在这里插入图片描述

1 # 切换句柄之后,我们显示等待窗口出来
2     WebDriverWait(browser, 1000).until(
3         EC.presence_of_all_elements_located(
4             (By.CLASS_NAME, 'my-all-group')
5         )
6     )
7 8     # 筛选出我加入的群标签
9     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

  1 # 导入需要的包
  2 # 爬取qq群的成员信息
  3 from selenium import webdriver
  4 from selenium.webdriver.support.ui import WebDriverWait
  5 from selenium.webdriver.support import expected_conditions as EC
  6 from selenium.webdriver.common.by import By
  7 import time
  8 import json
  9 import csv
 10  11  12 # 开始登陆
 13 def login_spider():
 14  15     url = 'https://qun.qq.com/'
 16     # 构建谷歌驱动器
 17     browser = webdriver.Chrome()
 18     # 请求url
 19     browser.get(url)
 20     # 模拟登陆,首先找到登陆的id,并点击
 21     browser.find_element_by_css_selector('#headerInfo p a').click()
 22     # 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
 23     WebDriverWait(browser, 1000).until(
 24         EC.presence_of_all_elements_located(
 25             (By.CSS_SELECTOR, '#loginWin iframe')
 26         )
 27     )
 28     print('登陆框已加载')
 29     # 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
 30     # 如果在原网页操作这个登陆框的话,是不能操作的
 31     # 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
 32     # 自动登陆
 33     # 找到iframe标签并获取是如此熟悉
 34     iframe_url = browser.find_element_by_css_selector('#loginWin iframe').get_attribute('src')
 35     # 再访问这个url
 36     browser.get(iframe_url)
 37     # 找到快捷登陆的头像并点击
 38     # 首先用显示等待这个头像已经加载完成
 39     WebDriverWait(browser, 1000).until(
 40         EC.presence_of_all_elements_located(
 41             (By.ID, 'qlogin_list')
 42         )
 43     )
 44     browser.find_element_by_css_selector('#qlogin_list a').click()
 45     print('登陆成功')
 46  47     return browser
 48  49  50 # 切换句柄操作
 51 def switch_spider(browser):
 52     # 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
 53     WebDriverWait(browser, 1000).until(
 54         EC.presence_of_all_elements_located(
 55             (By.XPATH, './/ul[@id="headerNav"]/li[4]')
 56         )
 57     )
 58     browser.find_element_by_xpath('.//ul[@id="headerNav"]/li[4]').click()
 59     # 点击之后,我们找到成员管理标签并点击
 60     WebDriverWait(browser, 1000).until(
 61         EC.presence_of_all_elements_located(
 62             (By.CLASS_NAME, 'color-tit')
 63         )
 64     )
 65     browser.find_element_by_class_name('color-tit').click()
 66     # 打印全部窗口句柄
 67     # print(browser.window_handles)
 68     # 打印当前窗口句柄
 69     # print(browser.current_window_handle)
 70     # 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
 71     # 所以我们需要将窗口句柄切换到这个新窗口
 72     browser.switch_to.window(browser.window_handles[1])
 73     # 解释一下browser.switch_to.window是获取当前一共有几个窗口
 74     # 这里是2个
 75     # browser.switch_to.window这个是指定当前游标切换到哪个窗口
 76     # 其实也可以这么写
 77     # all_window = browser.switch_to.window返回的是一个列表
 78     # browser.switch_to.window(all_window[1])
 79     # 效果是一样的
 80  81     return browser
 82  83  84 # 开始采集数据
 85 def start_spider(browser):
 86     # 声明一个列表存储字典
 87     data_list = []
 88     # 切换句柄之后,我们显示等待窗口出来
 89     WebDriverWait(browser, 1000).until(
 90         EC.presence_of_all_elements_located(
 91             (By.CLASS_NAME, 'my-all-group')
 92         )
 93     )
 94  95     # 筛选出我加入的群标签
 96     lis = browser.find_elements_by_xpath('.//div[@class="my-all-group"]/ul[2]/li')
 97     # 遍历
 98     num = 0
 99     while True:
100         try:
101             # 按顺序选择群并获取信息
102             # 先点击该群获取成员信息
103             lis[num].click()
104             # 显示等待信息加载完成
105             WebDriverWait(browser, 1000).until(
106                 EC.presence_of_all_elements_located(
107                     (By.CLASS_NAME, 'list')
108                 )
109             )
110             # 获取该群当前有多少人,后面翻页需要
111             groupMemberNum = eval(browser.find_element_by_id('groupMemberNum').text)
112             # 每一次翻页都会刷新21条信息,所以写个循环
113             # 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
114             # 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
115             count = groupMemberNum // 21 + 1
116             # 这里我只爬取每个群的一部分,如果想爬取全部成员信息
117             # 请注释下面的if语句
118             if count > 5:
119                 count = 5
120             # 每次循环都进行翻页
121             while count:
122                 count -= 1
123 124                 browser.execute_script('document.documentElement.scrollTop=100000')
125                 time.sleep(2)
126             time.sleep(3)
127             # 开始获取成员信息
128             trs = browser.find_elements_by_class_name('mb')
129             if trs:
130                 # 遍历
131                 for tr in trs:
132                     tds = tr.find_elements_by_tag_name('td')[2:]
133                     if len(tds) == 8:
134                         # qq网名
135                         qq_name = tds[0].text
136                         # 群名称
137                         group_name = tds[1].text
138                         # qq号
139                         qq_number = tds[2].text
140                         # 性别
141                         gender = tds[3].text
142                         # qq年龄
143                         qq_year = tds[4].text
144                         # 入群时间
145                         join_time = tds[5].text
146                         # 等级(积分)
147                         level = None
148                         # 最后发言时间
149                         end_time = tds[6].text
150 151                         # 声明一个字典存储数据
152                         data_dict = {}
153                         data_dict['qq_name'] = qq_name
154                         data_dict['group_name'] = group_name
155                         data_dict['qq_number'] = qq_number
156                         data_dict['gender'] = gender
157                         data_dict['qq_year'] = qq_year
158                         data_dict['join_time'] = join_time
159                         data_dict['level'] = level
160                         data_dict['end_time'] = end_time
161 162                         print(data_dict)
163                     elif len(tds) == 9:
164                         # qq网名
165                         qq_name = tds[0].text
166                         # 群名称
167                         group_name = tds[1].text
168                         # qq号
169                         qq_number = tds[2].text
170                         # 性别
171                         gender = tds[3].text
172                         # qq年龄
173                         qq_year = tds[4].text
174                         # 入群时间
175                         join_time = tds[5].text
176                         # 等级(积分)
177                         level = tds[6].text
178                         # 最后发言时间
179                         end_time = tds[7].text
180 181                         # 声明一个字典存储数据
182                         data_dict = {}
183                         data_dict['qq_name'] = qq_name
184                         data_dict['group_name'] = group_name
185                         data_dict['qq_number'] = qq_number
186                         data_dict['gender'] = gender
187                         data_dict['qq_year'] = qq_year
188                         data_dict['join_time'] = join_time
189                         data_dict['level'] = level
190                         data_dict['end_time'] = end_time
191                         data_list.append(data_dict)
192 193                         print(data_dict)
194 195             browser.find_element_by_id('changeGroup').click()
196             time.sleep(3)
197             WebDriverWait(browser, 1000).until(
198                 EC.presence_of_all_elements_located(
199                     (By.CLASS_NAME, 'ui-dialog')
200                 )
201             )
202             lis = browser.find_elements_by_xpath('.//div[@class="my-all-group"]/ul[2]/li')
203             num += 1
204         except Exception as e:
205             continue
206 207     return data_list
208 209 210 def main():
211 212     browser = login_spider()
213     browser = switch_spider(browser)
214     data_list = start_spider(browser)
215 216     # 将数据写入json文件
217     with open('data_json.json', 'a+', encoding='utf-8') as f:
218         json.dump(data_list, f)
219     print('json文件写入完成')
220   # 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
221     with open('data_csv.csv', 'w', encoding='utf-8-sig', newline='') as f:
222         # 表头
223         title = data_list[0].keys()
224         # 声明writer
225         writer = csv.DictWriter(f, title)
226         # 写入表头
227         writer.writeheader()
228         # 批量写入数据
229         writer.writerows(data_list)
230     print('csv文件写入完成')
231 232 233 if __name__ == '__main__':
234 235     main()

 

https://www.cnblogs.com/Qqun821460695/p/11957343.html

「点点赞赏,手留余香」

    还没有人赞赏,快来当第一个赞赏的人吧!
0 条回复 A 作者 M 管理员
    所有的伟大,都源于一个勇敢的开始!
欢迎您,新朋友,感谢参与互动!欢迎您 {{author}},您在本站有{{commentsCount}}条评论