QQZoneMood

• 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

• 在线系统（支持移动端）:QQ空间数据分析-小麦冬

相关博客

• 关于python并发爬虫的一些经验总结

系统架构图

运行方式

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

• 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、爬取动态的数量、停止日期、识别码、cookie等参数

  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.清除缓存

  4.数据可视化和下载（excel表）

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

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

  cd QQZoneMood

  docker-compose up

  浏览器里输入地址: http://localhost:80

• 完整版运行方式：

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

  cd QQZoneMood/config

  mv userinfo.json.example userinfo.json

  mv friend_info.json.example friend_info.json

  根据自己需求修改上述两个配置文件

  在 test中提供了多个程序入口，可根据自己需要选择运行

TO DO...

• 将更多的功能整合到docker版中
• Web排队机制（为上线做准备）
• Web展示界面优化（想做成网易云年度歌单的风格）
• 计算更多指标

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）

• QQ空间动态情感检测

  基于百度自然语言处理API,可免费使用

• QQ空间照片评分

  基于Google NIMA模型

• QQ空间好友关系演变图

  戳这里查看视频演示

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

系统说明

• 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：

  本爬虫登录部分是使用的selenium模拟登陆，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）

开发者运行方式

• 1.安装依赖

  pip3 install -r requirements.txt

• 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

• 运行结果例图：

QQ动态关键字词云

QQ空间说说按点赞和评论数分类图

手机端运行截图

使用Gephi软件生成的好友关系图