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
|
1
|
pip install 包名 -i http://pypi.douban.com/simple/ --trusted-host pypi.douban.com |
主要代码
qq空间txt.py
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
|
import timefrom selenium import webdriverfrom 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idwhile 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('//*[@id="msglist"]/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
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
|
import pandas as pdfrom pyecharts.charts import barfrom pyecharts.charts import pieimport pyecharts.options as optsfrom pyecharts.charts import lineimport redf_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 resultdef 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
以上就是python爬取网页版qq空间,生成各类图表的详细内容，更多关于python 爬取qq空间的资料请关注服务器之家其它相关文章！
原文链接：https://github.com/kuishou68/python
