今天我们要做的事情是使用动态爬虫来爬取QQ空间的说说，并把这些内容存在txt中，然后读取出来生成云图，这样可以清晰的看出朋友的状况。

 

这是好友的QQ空间10年说说内容，基本有一个大致的印象了。

​

 

 

爬取动态内容

 

因为动态页面的内容是动态加载出来的，所以我们需要不断下滑，加载页面

切换到当前内容的frame中,也有可能不是frame,这里需要查看具体情况

获取页面源数据，然后放入xpath中，然后读取

 # 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]')

所有的注释都在代码中，所以也就不作详情说明，

​

爬取说说的完整代码

 

#coding:utf-8import 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 import sys reload(sys) sys.setdefaultencoding( "utf-8" )friend = 'XXX' # 朋友的QQ号，朋友的空间要求允许你能访问 user = 'XXX'  # 你的QQ号 pw = 'XXXX'  # 你的QQ密码#获取浏览器驱动 driver = webdriver.Firefox()# 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")# 自动点击账号登陆方式 driver.find_element_by_id("switcher_plogin").click()# 账号输入框输入已知qq账号 driver.find_element_by_id("u").send_keys(user)# 密码框输入已知密码 driver.find_element_by_id("p").send_keys(pw)# 自动点击登陆按钮 driver.find_element_by_id("login_button").click()# 让webdriver操纵当前页 driver.switch_to.default_content()# 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")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('//*[@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') 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_name = qq_name[0] if len(qq_name)>0 else ''qq_content = qq_content[0] if len(qq_content)>0 else ''qq_time = qq_time[0] if len(qq_time)>0 else ''print qq_name,qq_time,qq_contentf.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idnext_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()

这样所有的说说内容就可以爬取到了。并且存到了同级目录中

 

生成词云

 

生成词云需要用到的库：

wordcloud, 生成词云
matplotlib， 生成词云图片
jieba ，这个库可用可不用，但我因为中文一直显示不出来，后来加上了这个库，就能显示中文了。

#coding:utf-8""" 使用结巴分词生成云图说明这里1.生成词云一定要设置字体样式，否则汉字出现乱码或者不显示2.我不知道为什么本机一直显示不了中文，后面我加了jieba分词词库就可以显示中文了"""from wordcloud import WordCloud import matplotlib.pyplot as plt import jieba#生成词云 def create_word_cloud(filename):text= open("{}.txt".format(filename)).read()# 结巴分词wordlist = jieba.cut(text, cut_all=True)wl = " ".join(wordlist)# 设置词云wc = WordCloud(# 设置背景颜色background_color="white",# 设置最大显示的词云数max_words=2000,# 这种字体都在电脑字体中，一般路径font_path='C:\Windows\Fonts\simfang.ttf',height= 1200,width= 1600,# 设置字体最大值max_font_size=100,# 设置有多少种随机生成状态，即有多少种配色方案random_state=30,)myword = wc.generate(wl)  # 生成词云# 展示词云图plt.imshow(myword)plt.axis("off")plt.show()wc.to_file('py_book.png')  # 把词云保存下if __name__ == '__main__':create_word_cloud('word_py')

转载于:https://www.cnblogs.com/paisenpython/p/10272002.html

《新程序员》：云原生和全面数字化实践50位技术专家共同创作，文字、视频、音频交互阅读

总结

以上是生活随笔为你收集整理的Python爬虫QQ说说并分析朋友状况的全部内容，希望文章能够帮你解决所遇到的问题。

如果觉得生活随笔网站内容还不错，欢迎将生活随笔推荐给好友。