我用Python采集了班花的空间数据集，除了美照竟然再一次发现了她另外的秘密！[通俗易懂]

全栈程序员站长

发布于 2022-07-28 20:31:56

3220

发布于 2022-07-28 20:31:56

大家好，又见面了，我是你们的朋友全栈君。

大家好，我是辣条。

室友知道了我上次给班花修过电脑，追了我三条街，嘴里大骂我不当人子，怪我这种事情没带他。最后又舔着脸求我支招，这货竟然想追班花！辣条我为了兄弟两（收）肋（钱）插（办）刀（事），毫不犹豫的答应了。但是我只有班花的QQ和微信怎么办呢，那就从她平时发的动态着手，于是就有了这篇文章，不过最后我又发现了她的另一秘密！

采集数据目标

网址：QQ空间

工具使用

开发环境：win10、python3.7 开发工具：pycharm、Chrome 工具包：selenium，re，time

重点内容学习

selenium使用 -gtk的加密方式 -数据信息的获取

前言

selenium为测试工具需要先配置安装驱动博主用的是chorme浏览器，下载chormedrive 驱动下载地址驱动下载地址下载完成之后将驱动exe放到Python安装目录

项目思路解析

控制selenium登录QQ空间

    driver = webdriver.Chrome()  # 这个是chormedriver的地址
    driver.get('https://qzone.qq.com/')
    driver.switch_to.frame('login_frame')
    driver.find_element_by_id('switcher_plogin').click()
    driver.find_element_by_id('u').clear()
    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(2)

获取到好友QQ昵称以及QQ名称

g_tk为加密参数找到加密方法

g_tk值为cookie值进行加密获取p_skey的值进行加密

通过selenium提取到当前网页的cookie值

Python解密代码

def getGTK(cookie):
    hashes = 5381
    for letter in cookie['p_skey']:
        hashes += (hashes << 5) + ord(letter)
    return hashes & 0x7fffffff
cookie = {}  # 初始化cookie字典
for elem in driver.get_cookies():  # 取cookies
    cookie[elem['name']] = elem['value']
gtk = tool.getGTK(cookie)  # 通过getGTK函数计算gtk

获取到好友的QQ号的方法有很多，只有能提取到就行获取好友说说信息的链接

获取到链接的数据信息

简易源码展示

import json
import re
from selenium import webdriver
import time


def getGTK(cookie):
    hashes = 5381
    for letter in cookie['p_skey']:
        hashes += (hashes << 5) + ord(letter)
    return hashes & 0x7fffffff

# 封装函数的关键字
def start_spider():
    driver = webdriver.Chrome()
    driver.get("https://i.qq.com/")
    driver.switch_to.frame('login_frame')
    # time.sleep(10)
    driver.find_element_by_id('bottom_qlogin').click()
    # time.sleep(5)
    driver.find_element_by_name('u').clear()
    driver.find_element_by_name('u').send_keys('qq号')
    # time.sleep(5)
    driver.find_element_by_name('p').clear()
    driver.find_element_by_name('p').send_keys('qq密码')
    driver.find_element_by_id('login_button').click()
    time.sleep(2)
    cookie = {}

    for i in driver.get_cookies():
        cookie[i['name']] = i['value']

    gtk = getGTK(cookie)
    driver.get('https://user.qzone.qq.com/proxy/domain/r.qzone.qq.com/cgi-bin/tfriend/friend_hat_get.cgi?hat_seed=1&uin=1727948159fupdate=2&g_tk=' + str(
            gtk) + '&qzonetoken=e794139a284d6ea9e0b26826e541b55df37d0667a3544f534de25aebdb64628d3ab75e1d7104bbb22a' + '&g_tk=' + str(
            gtk))
    time.sleep(4)
    friend_list = driver.page_source
    # print(friend_list)
    abtract_pattern = '''"(.*?)":{
"realname":"(.*?)"}'''
    qq_name_list = re.findall(abtract_pattern, str(friend_list))  # 数组
    print(qq_name_list)
    for qq_info in qq_name_list:
        qq_num = qq_info[0]
        qq_name = qq_info[1]
        if qq_num == "对方QQ号": # 我只获取了一个
            count = 0
            begin = 0

            driver.get('https://user.qzone.qq.com/proxy/domain/taotao.qq.com/cgi-bin/emotion_cgi_msglist_v6?uin=' + qq_num + '&ftype=0&sort=0&pos=' + str(
                        begin) + '&num=40&replynum=200&g_tk=' + str(
                        gtk) + '&callback=_preloadCallback&code_version=1&format=jsonp&need_private_comment=1&qzonetoken=e794139a284d6ea9e0b26826e541b55df37d0667a3544f534de25aebdb64628d3ab75e1d7104bbb22a&g_tk=' + str(
                        gtk))

            msg_json = driver.page_source
            # print(msg_json)
            msg_json_list = re.findall('_preloadCallback\((.*?)\);', str(msg_json))
            print(msg_json_list)
            data = json.loads(msg_json_list[0])
            # print(data)
            for text in data['msglist']:
                content = text['content']
                createTime = text['createTime']
                f = open("shuoshuo.text", "a", encoding="utf-8")
                f.write('{},{},{},{}\n\n'.format(qq_num, qq_name, createTime, content))



start_spider()