当前位置 博文首页 > python爬取网页版QQ空间,生成各类图表

    python爬取网页版QQ空间,生成各类图表

    作者:kuishou68 时间:2021-08-11 18:46

    目录
    • github源码地址:
    • 各类图表的实现效果
      • 爬取的说说内容
      • 个性化说说内容词云图
      • 每年发表说说总数柱状图、每年点赞和评论折线图
      • 7天好友动态柱状图、饼图
    • 使用方法
      • 主要代码

        github源码地址:

        https://github.com/kuishou68/python

        各类图表的实现效果

        爬取的说说内容

        个性化说说内容词云图

        每年发表说说总数柱状图、每年点赞和评论折线图

        7天好友动态柱状图、饼图

        使用方法

        按照你的谷歌浏览器下载指定版本的驱动 http://chromedriver.storage.googleapis.com/index.html

        驱动跟两个python脚本放入同目录,我的版本是90.0.4430的,查看你自己的版本,下载后把我的chromedriver.exe替换掉!

        这里用到了很多第三方包,鼠标放在报红的包名下,用Alt+Enter导包,如果失败则在控制台用下面的必杀技

        pip install 包名 -i http://pypi.douban.com/simple/ --trusted-host pypi.douban.com
        

        主要代码

        qq空间txt.py

        import time
        from selenium import webdriver
        from lxml import etree
        
        # 这里一定要设置编码格式,防止后面写入文件时报错
        
        friend = '1569339843'  # 朋友的QQ号,朋友的空间要求允许你能访问
        user = '783533896'  # 你的QQ号
        pw = '1323mkoNJI.@'  # 你的QQ密码
        
        # 获取浏览器驱动
        chrome_driver = 'chromedriver.exe'
        driver = webdriver.Chrome(executable_path=chrome_driver)
        
        # 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")
        time.sleep(3)
        # 自动点击账号登陆方式
        driver.find_element_by_id("switcher_plogin").click()
        time.sleep(3)
        # 账号输入框输入已知qq账号
        driver.find_element_by_id("u").send_keys(user)
        time.sleep(5)
        # 密码框输入已知密码
        driver.find_element_by_id("p").send_keys(pw)
        time.sleep(5)
        # 自动点击登陆按钮
        driver.find_element_by_id("login_button").click()
        time.sleep(5)
        # 让webdriver操纵当前页
        driver.switch_to.default_content()
        time.sleep(5)
        # 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")
        time.sleep(5)
        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('//*[@]/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_praise = div.xpath('./div[4]/div[2]/span/span/a[2]/text()')
                    qq_comment = div.xpath('./div[4]/div[2]/a[3]/text()')
        
                    qq_name = qq_name[0] if len(qq_name) > 0 else ''
                    qq_content = qq_content[0] if len(qq_content) > 0 else ''
                    qq_content = qq_content.replace('\n', ' ')
                    qq_time = qq_time[0] if len(qq_time) > 0 else ''
                    qq_praise = qq_praise[0] if len(qq_praise) > 0 else ''
                    qq_comment = qq_comment[0] if len(qq_comment) > 0 else ''
                    print(qq_name, qq_time, qq_content, qq_praise, qq_comment)
                    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()
        
        # 关闭浏览器
        driver.quit()

        各种图表的生成

        import pandas as pd
        from pyecharts.charts import Bar
        from pyecharts.charts import Pie
        import pyecharts.options as opts
        from pyecharts.charts import Line
        
        import re
        
        df_excel = pd.read_excel('qq_excel.xlsx')  # 默认读取sheet=0 Pandas DataFrame'
        
        def getTimeStr(row):
            item = row['时间']
            if pd.isnull(item) | pd.isna(item):
                return
        
            data = item.split('年')[0]
            return data
        
        # 按年统计说说数量
        def readCount(result, row):
            timeData = getTimeStr(row)
            if timeData == None: return
            if timeData in result.keys():
                result[timeData] += 1
            else:
                result[timeData] = 1
        
        # 按年统计说说点赞数
        def readThumb(result, row):
            item = row['赞']
            if pd.isnull(item):
                return
            # data = re.match(r'赞\((\d+).*', item, re.M | re.I)
            if len(item.split("(")) <= 1:
                return
            data = item.split("(")[1].split(")")[0]
        
            timeData = getTimeStr(row)
            if timeData == None: return
            if timeData in result.keys():
                result[timeData] += int(data)
            else:
                result[timeData] = int(data)
        
        # 按年统计说说评论数
        def readComment(result, row):
            item = row['评论']
            if pd.isnull(item):
                return
            # data = re.match(r'赞\((\d+).*', item, re.M | re.I)
            if len(item.split("(")) <= 1:
                return
            data = item.split("(")[1].split(")")[0]
        
            timeData = getTimeStr(row)
            if timeData == None: return
            if timeData in result.keys():
                result[timeData] += int(data)
            else:
                result[timeData] = int(data)
        
        
        def readExcel(df_excel):
            count = {}
            result = {}
            thumb = {}
            comment = {}
            for index, row in df_excel.iterrows():
                readCount(count, row)
                readThumb(thumb, row)
                readComment(comment, row)
        
            result['count'] = count
            result['thumb'] = thumb
            result['comment'] = comment
            return result
        
        def getKeyAndVal(keyWord):
            data = readExcel(df_excel).get(keyWord)
            key = []
            value = []
            for item in data.keys():
                key.append(item)
                value.append(data[item])
            key.reverse()
            value.reverse()
            return [key, value]
        
        # 统计每年发表说说次数柱状图
        def paintBar():
            count = readExcel(df_excel).get('count')
            # V1 版本开始支持链式调用
            data = getKeyAndVal('count')
            print(data[0])
            d = (
                Bar()
                    .add_xaxis(data[0])
                    .add_yaxis("每年发表说说总数", data[1])
                    .render("每年发表说说总数柱状图.html")
            )
        paintBar()
        
        # 统计点赞和评论折线图
        def paintLine():
            commentData = getKeyAndVal('comment')
            thumbData = getKeyAndVal('thumb')
        
            xaxis_data = commentData[0]
            commentValue = commentData[1]
            thumbValue = thumbData[1]
            d = (
                Line()
                    .add_xaxis(xaxis_data=xaxis_data)
                    .add_yaxis("每年评论数", y_axis=commentValue)
                    .add_yaxis("每年点赞数", y_axis=thumbValue)
                    .render("每年点赞和评论折现图.html")  # 输出图形
            )
        paintLine()

        其他代码自行下载项目查看

        jsjbwy
        下一篇:没有了