爬取QQ空间好友点赞数据——Python+PyQt5（北邮期末python大作业）
效果展示：
功能介绍：输入好友昵称，获取在QQ空间中，谁给TA点赞最多和TA给谁点赞最多的数据
目录
一，获取登录信息
既然决定了要对QQ空间进行信息爬取，那么作为一个需要账号密码进入的私人网页，首先需要的就是请求里的cookie信息，这样我们在后续爬取的过程中才能跳过登录，直接获取信息。
原本想使用Chrome handless的方式无窗口登录，但传统的账号密码登录需要手机验证码，尝试扫描二维码的方式却又发现使用urlretrive下载的二维码图片会被刷新更新而不可使用。
最后选择了最基础的selenium方式，打开浏览器界面，只需要简单登录，等待5s后页面会自动关闭，而后也就获取到了cookie信息，简单明了而又方便。
这里使用的代码是第一个程序文件：cookie_load.py
from selenium import webdriver
from selenium.webdriver.chrome.service import Service
from time import sleep
import json
from selenium.webdriver.common.by import By
# 采用最基础的selenium有窗口式登录方法，原本想用handless，但发现账号密码登录要手机验证，二维码扫描用urlretruve无法搞定，遂作罢
# 这种方式简单直接且有效，何乐而不为
# 加载谷歌驱动
path = 'chromedriver.exe'
s = Service(executable_path=path)
browser = webdriver.Chrome(service=s)
# 进入自己的QQ空间主页
url = 'https://user.qzone.qq.com/你的QQ'
browser.get(url)
sleep(5)
# 保存本地的cookie
cookies = browser.get_cookies()
cookie_dic = {}
for cookie in cookies:
if 'name' in cookie and 'value' in cookie:
cookie_dic[cookie['name']] = cookie['value']
with open('cookie_dict.txt', 'w') as f:
json.dump(cookie_dic, f)
二， 进行数据爬取
1.寻找要爬取的点赞信息
首先我们进入空间，点击说说，进入说说模块 
而后找到其中一条说说，点击“等45人”处，会弹出点赞的好友列表
观察右侧Network响应，会发现有一个get_like_list_app，通过preview可以看出其中包含了所有点赞好友的信息，可以说是很详细了，昵称，QQ号，性别，星座，地区都有。
这时我们可以确定，它就是我们要爬取的信息辣
此时就要找每一条说说的get_like_list的url之间的规律，观察相邻几条说说的get_like_list的url，可以发现，只有参数tid是不同的，每一条说说，对应唯一的tid
之后我们的任务就是寻找每一个说说所对应的tid，也就是定位每一个说说的信息了，让我们回到说说主页，刷新界面，继续寻找包含了整页说说信息的端口
实现这部分功能爬取的代码如下，其中的参数m是下一个部分获得的说说信息
# 获取点赞信息数据（从说说“等人”处发现）
def get_like(self, m, qq, name):
g_tk = self.get_gtk()
uin = self.get_uin()
tid = m['tid']
# 原始链接
url_like = 'https://user.qzone.qq.com/proxy/domain/users.qzone.qq.com/cgi-bin/likes/get_like_list_app?'
# 进行拼接
data_like = {
'uin': uin,
'unikey': 'http://user.qzone.qq.com/' + str(qq) + '/mood/' + str(tid) + '.1',
'begin_uin': 0,
'query_count': 60,
'if_first_page': 1,
'g_tk': g_tk
}
data_like_encode = urllib.parse.urlencode(data_like)
url_like = url_like + data_like_encode
res = requests.get(url_like, headers=header, cookies=cookie)
res.encoding = 'UTF-8'
like_data = re.findall('\((.*)\)', res.text, re.S)[0]
like_message = json.loads(like_data)
# 数据量太大，请求繁忙导致部分页码可能无法请求到，错误跳出
try:
for l in like_message['data']['like_uin_info']:
file_like.write(name + '<-' + str(l['nick']) + '\n')
except KeyError:
print(name)
print(like_message)2.定位每一条说说
回到说说主页，刷新界面，观察右侧端口，发现其中emotion_cgi_msglist_v6
点开发现，它包含了一整页说说的详细信息
通过爬取它的内容，我们就可以定位到当页的每一条说说
而后和上一步一样，观察每一页说说的url，寻找规律，发现不同页码的 emotion_cgi_msglist_v6的url，只有参数pos发生了变化，第一页的pos=0，第二页的pos=20，以此类推。
这样一来，我们就能够通过拼接url来批量爬取所有页码的说说了
通过函数locate来实现这个功能，代码如下：
'''
通过此函数对每一个人的QQ空间进行爬取
先爬取说说每一页整页数据，通过对比发现，一页有二十个说说，不同页的说说url受参数pos控制
然后根据每一页的信息对每一个说说进行定位
'''
def locate(self, qq, name):
g_tk = self.get_gtk()
uin = self.get_uin()
# 标记第几页
page = 1
pos = 0
# 循环爬取每一页的内容
while True:
# 初始url
emotion_url = 'https://user.qzone.qq.com/proxy/domain/taotao.qq.com/cgi-bin/emotion_cgi_msglist_v6?'
# 对url进行拼接
emotion_data = {
'uin': qq,
'pos': pos,
'num': 20,
'hostUin': qq,
'replynum': 100,
'callback': '_preloadCallback',
'code_version': 1,
'format': 'jsonp',
'need_private_comment': 1,
'g_tk': g_tk,
}
emotion_url = emotion_url + urllib.parse.urlencode(emotion_data)
# 对内容进行读取
res = requests.get(emotion_url, headers=header, cookies=cookie)
r = re.findall('\((.*)\)', res.text)[0]
with open(f'find/testfind{name}_{page}.json', 'w', encoding='utf-8') as fp:
fp.write(r)
message = json.loads(r)
print(f'成功读取{name}的第{page}页说说')
# 进行翻页操作
pos += 20
page += 1
# 判断是否结束操作
# 没有说说
if 'msglist' not in message:
break
# 爬取完毕
if message['msglist'] == None:
print(f'{name}的空间爬取结束')
break
# 对每一个说说进行处理
for m in message['msglist']:
# 获取点赞信息数据
self.get_like(m, qq, name)3.获取所有QQ好友信息
我们希望能够得到一个比较大的数据量——即爬取所有好友的说说信息，而后展开数据分析。
因此在上述步骤我们已经拥有爬取一个好友的所有说说信息之后，我们需要获得所有好友的信息（昵称+QQ号），从而循环爬取所有好友的信息。
获得所有好友信息的端口仍然从QQ空间找到。
点开我的说说，点击“@”按键，系统将弹出所有的好友供你选择@谁，同时观察右侧的network端口，出现了friend_show_qqfriends.cgi，一个从名称上看起来就很像我们要寻找的端口，进入发现，果然包含了所有好友的信息。
之后仍然和之前的步骤一样，不过这次省去了寻找url规律的过程，通过requests方法获得数据并处理，就得到了我们所有的好友数据。
这部分的功能通过函数get_friend实现，代码如下：
# 获取好友信息，并将其存在一个列表中
# 获取所有的好友{姓名，备注，QQ号，头像}
def get_friend(self):
# @按键的原始url，自己的url需要进行参数拼接
at_url = 'https://user.qzone.qq.com/proxy/domain/r.qzone.qq.com/cgi-bin/tfriend/friend_show_qqfriends.cgi?'
g_tk = self.get_gtk()
uin = self.get_uin()
data = {
'uin': uin,
'do': 1,
'g_tk': g_tk
}
# urlencode方法，进行url拼接
new_data = urllib.parse.urlencode(data)
at_url = at_url + new_data
# requests方法，获取网页数据
res = requests.get(at_url, headers=header, cookies=cookie)
# 获取好友信息的数据
friend_json = re.findall('\((.*)\)', res.text, re.S)[0]
with open('friend_list.json', 'w', encoding='utf-8') as fp:
fp.write(friend_json)
# 将数据转换为python中的字典形式
friend_dict = json.loads(friend_json)
friend_result_list = []
# 循环将好友的姓名qq号存入列表中（需要观察上面的friend_list.json文件）
for friend in friend_dict['items']:
friend_result_list.append([friend['name'], friend['remark'], friend['uin'], friend['img']])
# 得到的好友字典是{name:remark:uin:img}格式的
# print(friend_result_list)
return friend_result_list
# 裁剪好友列表函数
def refine(self):
r_list = []
for friend in self.get_friend():
r_list.append([friend[2], friend[0]])
return r_list
# 判断是否为共同好友的函数，返回一个QQ号组成的列表
def uinlist(self):
uin_list = []
for friend in self.get_friend():
uin_list.append(friend[2])
return uin_list4.Threadpool多线程处理
在完成了上述的工作后，我们已经具备了爬取所有好友说说点赞信息的能力。但实际操作起来爬取一个好友的一页说说就需要2~3秒的时间，爬取所有好友的所有说说时间不可估计。
因此我们需要提高爬虫的速度，采用threadpool多线程处理的方法，有一个固定的模板，因此操作起来相对简单，套用即可，使用后效果甚佳，速度大大提升。
通过函数start实现，代码如下：
# 开始运行端口
# 使用多线程threadpool进行实现，提升效率
def start(self):
r_list = self.refine()
# 开启15个线程
pool = threadpool.ThreadPool(10)
# 提交任务到线程池
requests = threadpool.makeRequests(self.get, r_list)
# 开始执行任务
for req in requests:
pool.putRequest(req) # 提交
pool.wait()5.参数获得与文件处理
这里回顾一下第二部分数据爬取的两个细节问题。
参数获得，在进行url的parse.urlencode拼接时，需要两个关键的参数：uin和gtk，其中uin就是自己的qq号码，通过cookie信息可以得到，gtk是一个重要的参数，几乎所有url拼接中都要用到它，它的获得方式我们在网上可以查到，是通过函数计算而得 的。
通过get_uin和get_gtk两个函数可以获得两个参数，代码如下：
# 得到uin，即自己的QQ账号，需要进行一下裁剪
def get_uin(self):
uin = cookie['uin'][1:]
return uin
# 获取gtk参数，计算方法从网上可查的（重要参数）
def get_gtk(self):
p_skey = cookie['p_skey']
h = 5381
for i in p_skey:
h += (h << 5) + ord(i)
g_tk = h & 2147483647
return g_tk第二部分获得的数据如何为之后的数据分析所用呢，我们这里采取的是存为一个like.txt的方式，供后续读取。
6.第二部分代码
第二部分整体由文件data_collect.py实现
代码如下：
import urllib
import requests
import json
import re
import threadpool
import urllib.parse
import time
import operator as op
import csv
# 将对QQ空间的操作封装为一个类
class Qzone:
# 得到uin，即自己的QQ账号，需要进行一下裁剪
def get_uin(self):
uin = cookie['uin'][1:]
return uin
# 获取gtk参数，计算方法从网上可查的（重要参数）
def get_gtk(self):
p_skey = cookie['p_skey']
h = 5381
for i in p_skey:
h += (h << 5) + ord(i)
g_tk = h & 2147483647
return g_tk
# 获取好友信息，并将其存在一个列表中
# 获取所有的好友{姓名，备注，QQ号，头像}
def get_friend(self):
# @按键的原始url，自己的url需要进行参数拼接
at_url = 'https://user.qzone.qq.com/proxy/domain/r.qzone.qq.com/cgi-bin/tfriend/friend_show_qqfriends.cgi?'
g_tk = self.get_gtk()
uin = self.get_uin()
data = {
'uin': uin,
'do': 1,
'g_tk': g_tk
}
# urlencode方法，进行url拼接
new_data = urllib.parse.urlencode(data)
at_url = at_url + new_data
# requests方法，获取网页数据
res = requests.get(at_url, headers=header, cookies=cookie)
# 获取好友信息的数据
friend_json = re.findall('\((.*)\)', res.text, re.S)[0]
with open('friend_list.json', 'w', encoding='utf-8') as fp:
fp.write(friend_json)
# 将数据转换为python中的字典形式
friend_dict = json.loads(friend_json)
friend_result_list = []
# 循环将好友的姓名qq号存入列表中（需要观察上面的friend_list.json文件）
for friend in friend_dict['items']:
friend_result_list.append([friend['name'], friend['remark'], friend['uin'], friend['img']])
# 得到的好友字典是{name:remark:uin:img}格式的
# print(friend_result_list)
return friend_result_list
# 裁剪好友列表函数
def refine(self):
r_list = []
for friend in self.get_friend():
r_list.append([friend[2], friend[0]])
return r_list
# 判断是否为共同好友的函数，返回一个QQ号组成的列表
def uinlist(self):
uin_list = []
for friend in self.get_friend():
uin_list.append(friend[2])
return uin_list
'''
通过此函数对每一个人的QQ空间进行爬取
先爬取说说每一页整页数据，通过对比发现，一页有二十个说说，不同页的说说url受参数pos控制
然后根据每一页的信息对每一个说说进行定位
'''
def locate(self, qq, name):
g_tk = self.get_gtk()
uin = self.get_uin()
# 标记第几页
page = 1
pos = 0
# 循环爬取每一页的内容
while True:
# 初始url
emotion_url = 'https://user.qzone.qq.com/proxy/domain/taotao.qq.com/cgi-bin/emotion_cgi_msglist_v6?'
# 对url进行拼接
emotion_data = {
'uin': qq,
'pos': pos,
'num': 20,
'hostUin': qq,
'replynum': 100,
'callback': '_preloadCallback',
'code_version': 1,
'format': 'jsonp',
'need_private_comment': 1,
'g_tk': g_tk,
}
emotion_url = emotion_url + urllib.parse.urlencode(emotion_data)
# 对内容进行读取
res = requests.get(emotion_url, headers=header, cookies=cookie)
r = re.findall('\((.*)\)', res.text)[0]
with open(f'find/testfind{name}_{page}.json', 'w', encoding='utf-8') as fp:
fp.write(r)
message = json.loads(r)
print(f'成功读取{name}的第{page}页说说')
# 进行翻页操作
pos += 20
page += 1
# 判断是否结束操作
# 没有说说
if 'msglist' not in message:
break
# 爬取完毕
if message['msglist'] == None:
print(f'{name}的空间爬取结束')
break
# 对每一个说说进行处理
for m in message['msglist']:
# 获取点赞信息数据
self.get_like(m, qq, name)
# 获取点赞信息数据（从说说“等人”处发现）
def get_like(self, m, qq, name):
g_tk = self.get_gtk()
uin = self.get_uin()
tid = m['tid']
# 原始链接
url_like = 'https://user.qzone.qq.com/proxy/domain/users.qzone.qq.com/cgi-bin/likes/get_like_list_app?'
# 进行拼接
data_like = {
'uin': uin,
'unikey': 'http://user.qzone.qq.com/' + str(qq) + '/mood/' + str(tid) + '.1',
'begin_uin': 0,
'query_count': 60,
'if_first_page': 1,
'g_tk': g_tk
}
data_like_encode = urllib.parse.urlencode(data_like)
url_like = url_like + data_like_encode
res = requests.get(url_like, headers=header, cookies=cookie)
res.encoding = 'UTF-8'
like_data = re.findall('\((.*)\)', res.text, re.S)[0]
like_message = json.loads(like_data)
# 数据量太大，请求繁忙导致部分页码可能无法请求到，错误跳出
try:
for l in like_message['data']['like_uin_info']:
file_like.write(name + '<-' + str(l['nick']) + '\n')
except KeyError:
print(name)
print(like_message)
# 多线程辅助函数
def get(self, f_list):
self.locate(f_list[0], f_list[1])
# 开始运行端口
# 使用多线程threadpool进行实现，提升效率
def start(self):
r_list = self.refine()
# 开启15个线程
pool = threadpool.ThreadPool(10)
# 提交任务到线程池
requests = threadpool.makeRequests(self.get, r_list)
# 开始执行任务
for req in requests:
pool.putRequest(req) # 提交
pool.wait()
# name和remark相互转化，为后续统计做准备，存入一个txt文件中
def trans_name(self):
friend_list = self.get_friend()
for f in friend_list:
if f[1] != '':
file_trans.write(f[0] + '<-' + f[1] + '\n')
else:
file_trans.write(f[0] + '<-' + f[0] + '\n')
if __name__ == '__main__':
qzone = Qzone()
# 设置请求头（根据自己浏览器来设定）
header = {
"user-agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/108.0.0.0 Safari/537.36",
"accept-language": "zh-CN,zh;q=0.9",
"accept": "text/html,application/xhtml+xml,application/xml;q=0.9,image/avif,image/webp,image/apng,*/*;q=0.8,application/signed-exchange;v=b3;q=0.9"
}
# 打开上一个程序中所得到的cookie，包含了登录信息
with open('cookie_dict.txt', 'r') as f:
cookie = json.load(f)
# 得到好友信息
qzone.get_friend()
uin_list = qzone.uinlist()
# 获取你需要的人的QQ空间点赞数据
file_like = open('like.txt', 'w', encoding='UTF-8')
# 获取名称昵称相互转换数据
file_trans = open('trans.txt', 'w', encoding='UTF-8')
# 开始执行
qzone.start()
qzone.trans_name()
三，数据分析
通过第二部分得到的like.txt文本，数据分析部分首先通过get_content函数，获得文本中的内容；而后通过like_analyze和like_ananlyze2两个函数，分别获得谁给TA点赞最多和TA给谁点赞最多的数据，以字典形式返回。
注意的是：TA给谁点赞最多的数据往往不够16人，这里需要来补齐，不然后续Qt展示的时候会出bug
这部分功能由data_analysis.py实现，这个文件不需要运行，仅提供函数。
代码如下：
# 得到txt文件内容
def get_content(txtfile):
file = open(txtfile, encoding='UTF-8')
content = file.read()
file.close()
return content
# 计算点赞最多人
def like_analyze(name):
data = get_content('like1.txt')
dic = {}
data_list = data.split('\n')
for element in data_list:
data = element.split('<-')
# 开始收集
if data[0] == name:
if data[1] in dic.keys():
dic[data[1]] += 1
else:
dic[data[1]] = 1
# 最后一个是空
if data[0] == '':
break
dic_sorted = sorted(dic.items(), key=lambda item: item[1], reverse=True)
return dic_sorted
# 计算给谁点赞最多
def like_analyze2(name):
remark = get_remark(name)
data = get_content('like1.txt')
dic = {}
data_list = data.split('\n')
for element in data_list:
data = element.split('<-')
# 最后一个是空
if data[0] == '':
break
# 开始收集
if data[1] == remark:
if data[0] in dic.keys():
dic[data[0]] += 1
else:
dic[data[0]] = 1
dic_sorted = sorted(dic.items(), key=lambda item: item[1], reverse=True)
if len(dic_sorted) < 16:
for i in range(len(dic_sorted), 16):
dic_sorted.append('')
return dic_sorted
# 从name获取remark
def get_remark(name):
data = get_content('trans.txt')
data_list = data.split('\n')
for element in data_list:
data = element.split('<-')
if data[0] == name:
return data[1]
return '此昵称不存在'
# 主函数，调试用
if __name__ == '__main__':
# content = get_content('like1.txt')
# qzone_analyze.content_analyze(content)
print(like_analyze('我不是戬氏'))
# print(get_remark('破特的魔法饼干'))
print(like_analyze2('我不是戬氏'))
四，UI展示——PyQt5
受同学启发，尝试了用PyQt5做一个简单的页面。
相比于以前用的easyx复杂繁琐的经历，PyQt5简单明了，效果甚好。
首先用Qt Designer设计出自己想要的界面，并设置好接口和槽，这里的槽随便选一个，后续还要在代码中对槽根据自己的需求引入函数。
将其保存，得到like_analysis.ui
之后将like_analysis.ui通过PyUIC转换为like_analysis.py文件，代码如下：
# -*- coding: utf-8 -*-
# Form implementation generated from reading ui file 'like_analysis.ui'
#
# Created by: PyQt5 UI code generator 5.15.4
#
# WARNING: Any manual changes made to this file will be lost when pyuic5 is
# run again. Do not edit this file unless you know what you are doing.
from PyQt5 import QtCore, QtGui, QtWidgets
class Ui_Form(object):
def setupUi(self, Form):
Form.setObjectName("Form")
Form.resize(753, 615)
self.showtext = QtWidgets.QPlainTextEdit(Form)
self.showtext.setGeometry(QtCore.QRect(70, 110, 291, 401))
font = QtGui.QFont()
font.setPointSize(12)
self.showtext.setFont(font)
self.showtext.setObjectName("showtext")
self.searchbutton = QtWidgets.QPushButton(Form)
self.searchbutton.setGeometry(QtCore.QRect(450, 40, 101, 31))
self.searchbutton.setObjectName("searchbutton")
self.clearbutton = QtWidgets.QPushButton(Form)
self.clearbutton.setGeometry(QtCore.QRect(310, 550, 101, 31))
self.clearbutton.setObjectName("clearbutton")
self.inputtext = QtWidgets.QPlainTextEdit(Form)
self.inputtext.setGeometry(QtCore.QRect(160, 30, 191, 61))
font = QtGui.QFont()
font.setPointSize(12)
self.inputtext.setFont(font)
self.inputtext.setObjectName("inputtext")
self.showtext_2 = QtWidgets.QPlainTextEdit(Form)
self.showtext_2.setGeometry(QtCore.QRect(390, 110, 291, 401))
font = QtGui.QFont()
font.setPointSize(12)
self.showtext_2.setFont(font)
self.showtext_2.setObjectName("showtext_2")
self.retranslateUi(Form)
self.searchbutton.clicked.connect(Form.get_list)
self.clearbutton.clicked.connect(Form.clear)
QtCore.QMetaObject.connectSlotsByName(Form)
def retranslateUi(self, Form):
_translate = QtCore.QCoreApplication.translate
Form.setWindowTitle(_translate("Form", "like_analysis"))
self.showtext.setPlaceholderText(_translate("Form", "谁给TA点赞最多（取前16名）"))
self.searchbutton.setText(_translate("Form", "查询"))
self.clearbutton.setText(_translate("Form", "清空"))
self.inputtext.setPlaceholderText(_translate("Form", "请输入要查询的好友QQ昵称"))
self.showtext_2.setPlaceholderText(_translate("Form", "TA给谁点赞最多（取前16名）"))
而后通过固定的模板设计方法，写出展示的文件，这里命名为show_page.py
代码如下：
import sys
import like_analysis
import data_analysis
from PyQt5.QtWidgets import QApplication, QDialog
class MainDialog(QDialog):
def __init__(self, parent=None):
super(QDialog, self).__init__(parent)
self.ui = like_analysis.Ui_Form()
self.ui.setupUi(self)
def get_list(self):
querry_name = self.ui.inputtext.toPlainText()
if data_analysis.get_remark(querry_name) == '此昵称不存在':
self.ui.showtext.setPlainText('此昵称不存在')
self.ui.showtext_2.setPlainText('此昵称不存在')
return 0
showdic = data_analysis.like_analyze(querry_name)
showMsg = '1：{}\n2：{}\n3：{}\n4：{}\n5：{}\n6：{}\n7：{}\n8: {}\n9：{}\n10：{}\n11：{}\n12：{}\n13：{}\n14：{}\n15：{}\n16: {}\n'.format(
showdic[0],
showdic[1],
showdic[2],
showdic[3],
showdic[4],
showdic[5],
showdic[6],
showdic[7],
showdic[8],
showdic[9],
showdic[10],
showdic[11],
showdic[12],
showdic[13],
showdic[14],
showdic[15]
)
self.ui.showtext.setPlainText(showMsg)
showdic2 = data_analysis.like_analyze2(querry_name)
showMsg2 = '1：{}\n2：{}\n3：{}\n4：{}\n5：{}\n6：{}\n7：{}\n8: {}\n9：{}\n10：{}\n11：{}\n12：{}\n13：{}\n14：{}\n15：{}\n16: {}\n'.format(
showdic2[0],
showdic2[1],
showdic2[2],
showdic2[3],
showdic2[4],
showdic2[5],
showdic2[6],
showdic2[7],
showdic2[8],
showdic2[9],
showdic2[10],
showdic2[11],
showdic2[12],
showdic2[13],
showdic2[14],
showdic2[15]
)
self.ui.showtext_2.setPlainText(showMsg2)
def clear(self):
self.ui.showtext.clear()
self.ui.showtext_2.clear()
if __name__ == '__main__':
myapp = QApplication(sys.argv)
myDlg = MainDialog()
myDlg.show()
sys.exit(myapp.exec_())
运行这个文件，就可以得到最终效果
五，代码过程与遇到的问题
首先就是登录问题，本来想做一个扫描二维码的登录方式，先是对二维码url通过正则表达式寻找定位花了很长时间，而后又发现urlretrive下载下来的二维码是过期的二维码，看网上类似教程，更改方式获取图片后仍然无效。这个过程耗费了大量时间，最后改成了最基础的selenium方法登录，效果出奇的好。
之后是寻找需要数据的url，QQ空间真是奇特，在点赞数据的url寻找上还算顺利，就是会又说说出现如下界面
没有什么规律，，，数据就获取不到了，很头疼。
而后是整体获得整页说说的过程，很重要的接口是emotion_cgi_msglist_v6，但在一个好友的空间中苦苦翻寻却怎么也找不到，换了其它好友却一下子就找到了，中途让我一度想放弃去改道交以前爬微信公众号的程序...
一切完事具备，跑起来也可以，好耶，总该ok了吧，然后一天夜里我调试程序的时候，发现运行过后like.txt中空空如也，心急如焚的我确认代码没有改过，打开QQ空间一看：
哦，我访问不了任何人的QQ说说了
腾讯我... ...
好在第二天又可以了，不知道是腾讯给我解封了还是我真的把网址跑崩了... ...
好在不同于以往爬取网站信息单纯就是寻找正则表达式，模拟浏览器操作selenium就是找借口，此次项目从寻找参数，观察url，python文件使用读取，等多方面都有练习，同时意识到了自己基础字典列表使用上不熟带来的各种bug...还学到了threadpool和PyQt5新技巧。
更重要的是，“喂喂喂，你想不想知道谁给你点赞最多，和你给谁点赞最多呢”
【推荐】国内首个AI IDE，深度理解中文开发场景，立即下载体验Trae
【推荐】编程新体验，更懂你的AI，立即体验豆包MarsCode编程助手
【推荐】抖音旗下AI助手豆包，你的智能百科全书，全免费不限次数
【推荐】轻量又高性能的 SSH 工具 IShell：AI 加持，快人一步
· 分享一个免费、快速、无限量使用的满血 DeepSeek R1 模型，支持深度思考和联网搜索！
· 使用C#创建一个MCP客户端
· ollama系列1：轻松3步本地部署deepseek，普通电脑可用
· 基于 Docker 搭建 FRP 内网穿透开源项目（很简单哒）
· 按钮权限的设计及实现