获取qq好友发的说说

一、Selenium简介 Selenium是一个用于Web应用的功能自动化测试工具，Selenium 直接运行在浏览器中，就像真正的用户在操作一样。 由于这个性质，Selenium也是一个强大的网络数据采集工具，其可以让浏览器自动加载页面，获取需要的数据，甚至页面截图，或者是判断网站上某些动作是否发生。 Selenium自己不带浏览器，需要配合第三方浏览器来使用。支持的浏览器有Chrome、Firefox、IE、Phantomjs等。 如果使用Chrome、FireFox或IE，我们可以看得到一个浏览器的窗口被打开、打开网站、然后执行代码中的操作。 但是，让程序在后台中运行更符合我们爬虫的气质，所以自己多使用Phantomjs作为浏览器载体，本篇文章也以Phantomjs作介绍 Phantomjs是一个“无头”浏览器，也就是没有界面的浏览器，但是功能与普通的浏览器无异。 二、在Python中使用Selenium获取QQ空间好友说说 之前使用pip安装好了selenium，直接在代码中import即可。 下面我们以一个实际的例子——获取一个QQ空间好友的说说信息，来简单讲解一下Selenium+Phantomjs的使用。 我们需要爬取的页面时这样的：

QQ空间好友说说的链接为：http://user.qzone.qq.com/{好友QQ号}/311 我们抓取他发的说说的时间和内容，依旧先上代码：

from bs4 import BeautifulSoup from selenium import webdriver import time #使用selenium driver = webdriver.PhantomJS(executable_path="D:\\phantomjs.exe") driver.maximize_window() #登录QQ空间 def get_shuoshuo(qq): driver.get('http://user.qzone.qq.com/{}/311'.format(qq)) time.sleep(5) try: driver.find_element_by_id('login_div') a = True except: a = False if a == True: driver.switch_to.frame('login_frame') driver.find_element_by_id('switcher_plogin').click() driver.find_element_by_id('u').clear()#选择用户名框 driver.find_element_by_id('u').send_keys('QQ号') driver.find_element_by_id('p').clear() driver.find_element_by_id('p').send_keys('QQ密码') driver.find_element_by_id('login_button').click() time.sleep(3) driver.implicitly_wait(3) try: driver.find_element_by_id('QM_OwnerInfo_Icon') b = True except: b = False if b == True: driver.switch_to.frame('app_canvas_frame') content = driver.find_elements_by_css_selector('.content') stime = driver.find_elements_by_css_selector('.c_tx.c_tx3.goDetail') for con,sti in zip(content,stime): data = { 'time':sti.text, 'shuos':con.text } print(data) pages = driver.page_source soup = BeautifulSoup(pages,'lxml') cookie = driver.get_cookies() cookie_dict = [] for c in cookie: ck = "{0}={1};".format(c['name'],c['value']) cookie_dict.append(ck) i = '' for c in cookie_dict: i += c print('Cookies:',i) print("==========完成================") driver.close() driver.quit() if __name__ == '__main__': get_shuoshuo('好友QQ号')

获取到的部分数据截图如下：

接下来我们通过讲解代码，稍微了解一下Selenium的使用

三、代码简析 1.照例，导入需要使用的模块：

from bs4 import BeautifulSoup from selenium import webdriver import time

2.使用Selenium的webdriver实例化一个浏览器对象，在这里使用Phantomjs：

driver = webdriver.PhantomJS(executable_path="D:\\phantomjs.exe")

3.设置Phantomjs窗口最大化：

driver.maximize_window()

4.主函数部分 使用get()方法打开待抓取的URL：

driver.get('http://user.qzone.qq.com/{}/311'.format(qq))

等待5秒后，判断页面是否需要登录，通过查找页面是否有相应的DIV的id来判断：

try: driver.find_element_by_id('login_div') a = True except: a = False

如果页面存在登录的DIV，则模拟登录：

driver.switch_to.frame('login_frame') #切换到登录ifram driver.find_element_by_id('switcher_plogin').click() driver.find_element_by_id('u').clear()#选择用户名框 driver.find_element_by_id('u').send_keys('QQ号') driver.find_element_by_id('p').clear()#选择密码框 driver.find_element_by_id('p').send_keys('QQ密码') driver.find_element_by_id('login_button').click()#点击登录按钮 time.sleep(3)

接着，判断好友空间是否设置了权限，通过判断是否存在元素ID：QM_OwnerInfo_Icon

try: driver.find_element_by_id('QM_OwnerInfo_Icon') b = True except: b = False

如果有权限能够访问到说说页面，那么定位元素和数据，并解析：

if b == True: driver.switch_to.frame('app_canvas_frame') content = driver.find_elements_by_css_selector('.content') stime = driver.find_elements_by_css_selector('.c_tx.c_tx3.goDetail') for con,sti in zip(content,stime): data = { # 'qq':qq, 'time':sti.text, 'shuos':con.text } print(data)

除了在Selenium中解析数据，我们还可以将当前页面保存为源码，再使用BeautifulSoup来解析：

pages = driver.page_source soup = BeautifulSoup(pages,'lxml')

最后，我们尝试一下获取Cookie，使用get_cookies()：

cookie = driver.get_cookies() cookie_dict = [] for c in cookie: ck = "{0}={1};".format(c['name'],c['value']) cookie_dict.append(ck) i = '' for c in cookie_dict: i += c print('Cookies:',i)

另外，再介绍两个Selenium的常用方法： 保存屏幕截图：

driver.save_screenshot('保存的文件路径及文件名')

执行JS脚本：

driver.execute_script("JS代码")