Ecosyste.ms: Awesome

An open API service indexing awesome lists of open source software.

Awesome Lists | Featured Topics | Projects

https://github.com/maicius/qqzonemood

QQZone mood spider and analysis. QQ空间多线程爬虫和数据挖掘。提供线上服务，扫码登陆即可自动爬取和分析数据，还有网易云年度报告风格的数据展示；使用docker-compose打包程序，方便部署；额外提供QQ空间抽奖小程序。
https://github.com/maicius/qqzonemood

docker flask mood qq qqzone qzone slider slides spider thread

Last synced: 7 days ago
JSON representation

QQZone mood spider and analysis. QQ空间多线程爬虫和数据挖掘。提供线上服务，扫码登陆即可自动爬取和分析数据，还有网易云年度报告风格的数据展示；使用docker-compose打包程序，方便部署；额外提供QQ空间抽奖小程序。

Awesome Lists containing this project

README 

        
# QQZoneMood



### 体验地址：



1. [app.xiaomaidong.com](http://app.xiaomaidong.com)

2. [qzone.xiaomaidong.com](http://qzone.xiaomaidong.com/)



### 相关博客



- [关于python并发爬虫的一些经验总结](http://www.xiaomaidong.com/?p=1189)



### QQ交流群

 群号：707583419



![](resource/image/qrCodeGroup.png)



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](https://github.com/Maicius/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](https://v.youku.com/v_show/id_XMzkxMDQ0NTcyMA==.html?spm=a2hzp.8244740.0.0)



![](resource/image/newStyle.jpg)



![](resource/image/newStyle2.jpg)



### 系统架构图



![](resource/image/sctructure.jpg)



### 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](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

	> 2. 共同群组

	> 3. 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）



- QQ空间动态情感检测



	> 基于[百度自然语言处理API](http://ai.baidu.com/tech/nlp/sentiment_classify),可免费使用



- QQ空间照片评分

	

	> 基于[Google NIMA模型](https://modelzoo.co/model/nima)



- QQ空间好友关系演变图

	

	> [戳这里查看视频演示](https://v.youku.com/v_show/id_XMzkxMDQ0NTcyMA==.html?spm=a2hzp.8253869.0.0)



### 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](http://www.xiaomaidong.com/?p=308)



- *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）](http://blog.csdn.net/huilan_same/article/details/51896672)



- 运行结果例图：

![IMAGE](resource/image/screen1.png)

![image](resource/image/image2.png)

![Image](resource/image/comment.jpg)

![Image3](resource/image/comment_content.jpg)

![Image](resource/image/bike2.png)

![QQ好友成长图](resource/image/qqfriend.png)

![抽奖小工具](resource/image/raffle.png)



> QQ动态关键字词云



![QQ空间说说按点赞和评论数分类图](resource/image/shuoshuoPie.png)  



> QQ空间说说按点赞和评论数分类图



![mobile](resource/image/mobileScreen.png)



> 手机端运行截图



![Image](resource/image/relation.png)

> 使用Gephi软件生成的好友关系图