直接贴代码
import os
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
import re
qq = ''
if qq == '':
qq = str(int(time.time()))
# 初始化一些东西
option = webdriver.ChromeOptions()
option.binary_location = r'C:\Program Files\Google\Chrome\Application\chrome.exe'
cmd_path = os.path.join(os.getcwd())
save_path = os.path.join(os.getcwd(), 'data', qq)
if not os.path.exists(save_path):
os.mkdir(save_path)
def test():
# 构建谷歌驱动器
# browser = webdriver.Chrome(r'C:\Tools\chromedriver.exe', options=option)
# browser.get("https://www.baidu.com/")
return True
# 开始登陆
def login_spider():
url = 'https://qun.qq.com/'
# 构建谷歌驱动器
browser = webdriver.Chrome(r'C:\Tools\chromedriver.exe', options=option)
# 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[3]')
)
)
browser.find_element_by_xpath('.//ul[@id="headerNav"]/li[3]').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, 'body')
)
)
browser.find_element_by_xpath('.//div[@class="body"]/ul[1]/li[1]').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')
if len(lis) == 0:
# 如果自己没有创建群,我加入的群就会跑到上面去
lis = browser.find_elements_by_xpath('.//div[@class="my-all-group"]/ul[1]/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
if lis is None:
break
if len(lis) == 0:
break
try:
lis[num].click()
except BaseException as e:
print("读取完毕")
break
# 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)
# 获取群名称和群号码
groupTit = browser.find_element_by_id('groupTit').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')
# 创建一个组存储成员信息
qun_numbers_list = []
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 = {'qq_name': qq_name, 'group_name': group_name, 'qq_number': qq_number,
'gender': gender, 'qq_year': qq_year, 'join_time': join_time, 'level': level,
'end_time': end_time}
qun_numbers_list.append(data_dict)
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 = {'qq_name': qq_name, 'group_name': group_name, 'qq_number': qq_number,
'gender': gender, 'qq_year': qq_year, 'join_time': join_time, 'level': level,
'end_time': end_time}
# data_list.append(data_dict)
qun_numbers_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')
if len(lis) == 0:
# 如果自己没有创建群,我加入的群就会跑到上面去
lis = browser.find_elements_by_xpath('.//div[@class="my-all-group"]/ul[1]/li')
# 将群成员数据写入json文件
p = list(re.findall(r'(.*)\((.*)\)$', groupTit)[0])
g_name = p[0]
gid = p[1]
file_save_path = os.path.join(save_path, str(gid) + ".json")
with open(file_save_path, 'a+', encoding='utf-8') as f:
json.dump({"name": g_name, 'gid': gid, "numbers": qun_numbers_list}, f)
num += 1
except Exception as e:
print("发生异常", e)
raise Exception(e)
return data_list
def main():
print("======开始抓取======")
browser = login_spider()
browser = switch_spider(browser)
start_spider(browser)
print("======抓取完毕======")
if __name__ == '__main__':
if test():
main()