QQ空間，這個曾經陪我們從童年到少年再到成年，從2G時代再到如今的4G末，占據了我們太多的青春回憶，如今好友空間動態更新的不在像從前那樣頻繁。依稀記得當年的好友買賣，搶車位再或者情侶空間，現在想想那時候真的很幼稚，那就是我們傻逼的童年，什么互踩，火星文，跑堂見證了我們無憂無慮的童年。

有時候看看QQ推送的"那年今日"，看到自己好幾年前發的動態，說的傻話，自己都怕了自己。有時候看到好朋友幾年前的動態，不由笑罵道，這孫子，怎么這么2! 即使現在不怎么用QQ了，有時候看看曾經發的說說還有空間的留言。即使讓我再尷尬也不舍得刪，因為那都是青春滿滿的回憶。

空間留言上千條，說說也比較多，一頁一頁的翻比較麻煩。索性就把這些數據都下載到本地。同理我們也可以導出全部聯系人的說說和留言板。

Selenium

由于訪問好友留言板需要登錄，為了方便起見我們使用Web應用程序測試的Selenium工具。該工具可以用于單元測試，集成測試，系統測試等等。它可以像真正的用戶一樣去操作瀏覽器等，支持Mozilla Firefox、Google Chrome、Safari、Opera、IE等等瀏覽器。

使用這個工具之前我們需要安裝selenium庫和下載相應瀏覽器的驅動。然后通過分析QQ空間登錄界面我們發現默認是掃碼登錄，因此需要切換成賬號密碼登錄。

通過分析html標簽屬性，我們發現 id="switcher_plogin"，是個切換登錄的全局唯一屬性。同理我們再需要找到賬號、密碼輸入框和點擊登錄的元素就可以用selenium模擬登錄了

登錄部分代碼如下：

from selenium import webdriver 
 
driver = webdriver.Chrome() 
    # 獲取谷歌瀏覽器驅動 
    driver = webdriver.Chrome() 
    # 登錄網站 
    driver.get('https://i.qq.com') 
    # 選擇賬號密碼登錄 
    driver.switch_to_frame('login_frame') 
    # 點擊輸入框獲取輸入 
    driver.find_element_by_id('switcher_plogin').click() 
    # 輸入賬號 
    driver.find_element_by_id('u').send_keys('你的qq號') 
    # 輸入密碼 
    driver.find_element_by_id('p').send_keys('qq密碼') 
    # 點擊登錄 
    driver.find_element_by_id('login_button').click() 

工作前的參數準備

通過查看開發者工具中的請求我們發現，登錄之后每次請求除了攜帶必要的參數以外，還攜帶了登錄獲取的token和g_tk。token我們可以從網頁源代碼中直接獲取，但是g_tk在源代碼中沒有，根據以往經驗第一步只能從js中查看，果然發現了一段加密代碼，再結合上下文發現是從cookie中取出“p_skey”的值再經過一系列操作就是g_tk的值了。因為我們需要先獲取cookie，然后再通過cookie獲取g_tk。

部分js加密邏輯代碼

if (e) { 
     if (e.host && e.host.indexOf("qzone.qq.com") > 0) { 
        try { 
           t = parent.QZFL.cookie.get("p_skey") 
        } catch(e) { 
           t = QZFL.cookie.get("p_skey") 
        } 
     }  
        ............ 
  } 
 
"g_tk=" + QZFL.pluginsDefine.getACSRFToken(t) 
 
QZFL.pluginsDefine.getACSRFToken._DJB = function(e) { 
        var t = 5381; 
        for (var n = 0, 
        r = e.length; n < r; ++n) { 
            t += (t << 5) + e.charCodeAt(n) 
        } 
        return t & 2147483647 
    }; 

獲取token && cookie && g_tk代碼

""" 
 獲取g_tk的值 
""" 
def get_g_tk(cookie): 
    hashes = 5381 
    for letter in cookie['p_skey']: 
        hashes += (hashes << 5) + ord(letter) 
    return hashes & 0x7fffffff 
 
# 獲取登錄之后的cookie信息 
cookie = {} 
for elem in driver.get_cookies(): 
    cookie[elem['name']] = elem['value'] 
# 獲取g_tk 
g_tk = get_g_tk(cookie) 
# 利用xpath獲取登錄之后的網頁源代碼 
html = driver.page_source 
xpath = r'window\.g_qzonetoken = \(function\(\)\{ try\{return "(.*?)";}' 
# 通過xpath 獲得登錄后的token 
token = re.compile(xpath).findall(html)[0] 

開始搞事

破解了一個簡單的反爬蟲，下面就可以編寫正式的爬蟲代碼了，首先確定我們目標url、通過瀏覽器分析響應的json對象、編寫headers

因為每次請求都需要攜帶登錄信息，為了方便我們用到了session類，其次觀察相應我們發現返回的response有無用的字符，因此需要進行截取

headers = { 
    'authority': 'user.qzone.qq.com', 
    'method': 'GET', 
    'scheme': 'https', 
    'accept-language': 'zh-CN,zh;q=0.9', 
    'user-agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/68.0.3440.106 Safari/537.36', 
} 
 
def get_resp(cookie, g_tk, token, page): 
    session = requests.session() 
    # 將cookie字典轉換成RequestsCookieJar 
    c = requests.utils.cookiejar_from_dict(cookie) 
    # 將headers 放入session 
    session.headers = headers 
    # RequestsCookieJar復制給session 
    session.cookies = c 
    # 訪問留言板的url 
    url = f'https://user.qzone.qq.com/proxy/domain/m.qzone.qq.com/cgi-bin/new/get_msgb?uin={登陸的qq}&hostUin={要查詢留言內容的QQ號}&start={page}&num=10&g_tk={g_tk}&qzonetoken={token}' 
    print(url) 
    response = session.get(url) 
    # 截取無用的字符 
    resp_text = response.text[10: -3] 
    # 轉為json 
    resp_json = json.loads(resp_text) 
    return resp_json 

上面的方法，只是獲得了某一頁的接口相應，我們通過json獲取留言總數，再除以每頁的條數，就可以知道總頁數了。然后再遍歷去取每頁的數據，為了方便查看將數據保存在csv文件中，另外將留言內容保存在txt文件中，生成詞云。

def get_zone_xx(cookie, g_tk, token, page=0): 
    # 初始化請求為了取總條數 
    resp_json = get_resp(cookie, g_tk, token, page) 
    # 總條數 
    total = resp_json['data']['total'] 
    print(f'共{total}條留言信息') 
    # 總頁數 
    size = int(total/10 + 1) 
    # 已經讀取的信息條數 
    use_page = 0 
    # 保存每條數據信息，生成csv文件用 
    content_arr = [] 
    for i in range(0, size): 
        # 請求每一頁的內容 
        resp_json = get_resp(cookie, g_tk, token, i) 
        # 當條數大于或等于總條數 跳出循環 
        if use_page >= total: 
            break 
        # 從每頁數據中取出需要的字段值 
        for comment in resp_json['data']['commentList']: 
            use_page += 1 
            print(f'當前正在讀取第{use_page}條') 
            page_json = [] 
            # 留言日期 
            page_json.append(comment['pubtime']) 
            # 昵稱 
            page_json.append(comment['nickname']) 
            # 內容 
            content = replace_html(comment['htmlContent']) 
            # 將內容寫入文本 生成詞云用 
            with open('zone_text111.txt', 'a') as f: 
                f.write(content) 
 
            page_json.append(content) 
            content_arr.append(page_json) 

生成csv文件

# 將總數據轉化為data frame再輸出 
 df = pd.DataFrame(data=content_arr, 
                   columns=['留言日期', '昵稱', '留言內容']) 
 df.to_csv('QQ_ZONE.csv', index=False, encoding='utf-8_sig') 
 print('已保存為csv文件.') 

運行上面代碼生成csv文件部分內容如下

生成詞云(wordcloud)代碼如下

from wordcloud import WordCloud 
import matplotlib.pyplot as plt 
with open('zone_text.txt','r') as f: 
    mytext = f.read() 
 
font = r'C:\Windows\Fonts\simfang.ttf' 
wc = WordCloud(collocations=False, font_path=font, width=1400, height=1400, margin=2).generate(mytext) 
plt.imshow(wc) 
plt.axis("off") 
plt.show() 
 
plt.show() 

運行結果如下：

寫在最后

上面的代碼并沒有太復雜，也許是觸景生情，也許是對現在朋友圈各種亂七八糟的信息產生了抵觸，所以試著去回憶青春的那些往事。

朋友圈和空間并不能去衡量一個人是是否成熟，但是對于大部分90后來說，空間真的是承載了太多純真的回憶。不忘初心，砥礪前行!!!