Skip to content

Latest commit

 

History

History
272 lines (161 loc) · 10.3 KB

README.md

File metadata and controls

272 lines (161 loc) · 10.3 KB
Raw

QQZoneMood

体验地址：

  1. app.xiaomaidong.com
  2. qzone.xiaomaidong.com

相关博客

QQ交流群

群号：707583419

如果在使用中遇见bug，或者关于项目有什么想法，欢迎在群中交流

简介

  • 多线程抓取QQ空间说说内容并进行分析，提供基于Flask和avalon.js的web配置界面，以及配套的测试用例

  • 基于React Slides的数据展示页面，风格模仿网易云年度报告。子项目地址:QQZoneSwipper

  • 提供抽奖小程序，可以根据指定说说的点赞或评论信息进行随机抽奖（可单独打包为windows下的命令行程序）

  • 反向计算用户在每个时间点的好友数量，并可动态展示用户好友的增加过程，参考视频

系统架构图

部署注意事项

  • 在本地分别启动后端和前端，端口号分别默认为5000和3000

  • 修改 QQZoneMood/src/web/static/constant.js中QQ_FRONT_LOCATION变量为前端地址,如

    http://localhost:3000

  • 修改 QQZoneSwipper/src/utils/constant.js中SERVER_HOST变量为后端地址，如：

    http://localhost:5000

注意url末尾都不要加斜杠（/）

docker版简介

  • 本项目将网页配置版本打包为docker（以下简称docker版），本版本用于部署到线上

  • 此外，还有大量已完成的功能（爬取好友的动态、爬取图片等）未进行整合

  • docker版主要包括以下功能：

    1.配置用户名、QQ号、校验码

    2.根据1中配置获取QQ空间的动态数量和好友基本信息

    3.数据可视化

  • 运行方式(请确保已经安装了docker和docker-compose)：

    1.git clone https://github.com/Maicius/QQZoneMood.git

    2.将 QQZoneMood/src/web/static/constant.js中QQ_FRONT_LACTION 修改为自己的前端项目地址（本地默认地址为localhost:3000）

    3.cd QQZoneMood & docker-compose up -d

    4.下载前端子项目

    git clone https://github.com/Maicius/QQZoneSwipper

    5.将 QQZoneSwipper/src/utils/constant.js中的SERVER_HOST修改为服务器的地址（本地默认地址为localhost:80）

    6.启动前端子项目，请确保已安装了npm

    cd QQZoneSwipper & npm install --save & npm run start

    7.浏览器里输入地址: http://localhost:80

  • 关于校验码

    相当于用户在该网站的密码，为了安全请不要与QQ密码相同。设置校验码的目的是为了保证用户在该网站上只能查看自己的数据。

开发版运行方式

  • 0.下载

    git clone https://github.com/Maicius/QQZoneMood.git

    cd QQZoneMood

  • 1.安装依赖

    pip3 install -r requirements.txt

    （不建议使用conda，因为sha1等库在conda的源中没有）

  • 2.修改配置文件

    修改userinfo.json.example为文件userinfo.json，并填好QQ号、QQ密码、保存数据用的文件名前缀；

    [可选]修改需要爬取的好友的QQ号和保存数据用的文件名前缀

  • 3.__init__函数参数说明，请根据需要修改（所有参数都有默认值，即使不修改任何参与也能运行）

      def __init__(self, use_redis=False, debug=False, mood_begin=0, mood_num=-1, stop_time='-1',
           download_small_image=False, download_big_image=False,
           download_mood_detail=True, download_like_detail=True, download_like_names=True, recover=False,
           cookie_text=None, from_web=False, username='', nickname='', no_delete=True, pool_flag='127.0.0.1'):

  :param use_redis: If true, use redis and json file to save data, if false, use json file only.
  :param debug: If true, print info in console
  :param mood_begin: 开始下载的动态序号，0表示从第0条动态开始下载
  :param mood_num: 下载的动态数量，最好设置为20的倍数
  :param stop_time: 停止下载的时间，-1表示全部数据；注意，这里是倒序，比如，stop_time="2016-01-01",表示爬取当前时间到2016年1月1日前的数据
  :param recover: 是否从redis或文件中恢复数据（主要用于爬虫意外中断之后的数据恢复）。注意!!!此功能在多线程中不可用！！！
  :param download_small_image: 是否下载缩略图，仅供预览用的小图，该步骤比较耗时，QQ空间提供了3中不同尺寸的图片，这里下载的是最小尺寸的图片
  :param download_big_image: 是否下载大图，QQ空间中保存的最大的图片，该步骤比较耗时
  :param download_mood_detail:是否下载动态详情
  :param download_like_detail:是否下载点赞的详情，包括点赞数量、评论数量、浏览量，该数据未被清除
  :param download_like_names:是否下载点赞的详情，主要包含点赞的人员列表，该数据有很多都被清空了
  :param from_web: 表示是否来自web接口，如果为True，将该请求来自web接口，则不会读取配置文件
  :param username: 在web模式中，传递过来的用户QQ号
  :param nickname: 在web模式中，传递过来的用户昵称
  :param no_delete: 是否在redis中缓存数据，如果为True,则不会删除，如果为False，则设置24小时的缓存时间
  :param pool_flag: redis的连接池host，因为docker中host与外部不同，所以在启动程序时会自动判断是不是处于docker中

  • 4.运行flask服务器

    python3 src/web/server.py

  • 5.其它程序入口可以参考test中测试用例

已实现功能

1.基本功能

这部分主要是获取数据和进行基本的统计分析

  • QQ空间动态爬取，包括：

    1. 所有说说信息
    2. 每条说说的详细信息（比1中的信息更全面，1中数据只显示每条说说的前10个评论）
    3. 每条说说的点赞人列表
    4. 更加详细的点赞人列表（3中获取的数据有很多被清空了，这里能稳定获取到点赞的人数量、浏览量和评论量）
    5. 所有说说的图片（可选择是下载大图、缩略图还是都下载）

  • QQ空间好友基本信息爬取

    1. 好友基本信息
    2. 共同好友数量
    3. 共同群组
    4. 添加好友时间(可计算出用户在每个时间点的好友数量)

  • 数据分析

    1. 数据清洗，将所有抓取的信息清洗为excel或csv
    2. 包括各种点赞排行、评论排行、发送时间统计等
    3. 历史说说一览表

  • 数据可视化

    包括各种词云图、关系图

  • Web配置界面

    使用Flask + avalon.js + echarts.js 搭建的简易web界面，为普通用户提供一个快速获取数据的方法

    可视化爬虫过程

    可视化用户数据、历史说说记录

2.衍生功能（这部分功能的代码没有完全添加到项目里）

项目结构

说明如下：

resource:存放数据文件（不包括web中的静态资源）

src-spider:包括四个爬虫类和一个入口

  • BaseSpider(object): 爬虫基类，初始化各种变量和提供基础接口，统一管理爬虫的headers、数据的加载和存储
  • QQZoneSpider(BaseSpider):爬取QQ空间动态的主要逻辑，包括各种url的构建
  • QQZoneFriendSpider(QQZoneSpider): 爬取用户的好友基本信息和共同群组，计算用户在各个时间段的好友数量
  • QQZoneFriendMoodSpider(QQZoneSpider):爬取用户指定好友的动态
  • main: 程序入口，为web程序提供爬虫API

src-analysis:

  • QQZoneAnalysis: 数据清洗，将爬虫得到的原始数据清洗为excel形式，并做简单的数据统计和分析
  • Average: 计算平均评论量、点赞量、浏览量等数据
  • SentimentClassify: 调用百度人工智能API进行情感分类
  • TrainMood：已废弃，以前计划用来对文本内容分类等等

src-visual:

  • CreateGexf: 将用户好友数据生成Gephi软件可以接受的数据格式以进行聚类

src-web：网站模块

  • src-web-entity: 实体类
  • static: 静态资源，外部引用的包主要使用cdn
  • templates：网页

其它说明

  • python版本：3.6

  • 模拟登陆时若出现图形验证码，可以在点击登陆后设置5秒暂停，以手动完成验证

  • 数据存储方式：

    目前提供了两种存储方式的接口（通过Spider中use_redis参数进行配置）:

    1. 存储到json文件中
    2. 存储到redis数据库中
      如果安装了redis，建议存储到redis中
      关于redis的安装和配置，请自行搜索
      Redis使用中常见问题可以参考这篇博客:Redis 踩坑笔记

  • 注意：

    程序提供了三种登陆的接口，分别是扫码登录、cookie登录、账号密码模拟登录，默认使用扫码登录 其中账号密码模拟登录依赖于selenium，需要手动下载chrome driver和chrome浏览器
    请注意版本匹配，可以查看这篇博客：
    selenium之 chromedriver与chrome版本映射表（更新至v2.32）

  • 运行结果例图： IMAGE image Image Image3 Image QQ好友成长图 抽奖小工具

QQ动态关键字词云

QQ空间说说按点赞和评论数分类图

QQ空间说说按点赞和评论数分类图

mobile

手机端运行截图

Image

使用Gephi软件生成的好友关系图