簡介一套面向Python爬蟲初學(xué)者及數(shù)據(jù)分析師的輕量腳本工具用于根據(jù)指定QQ號批量查詢其加入的全部群組信息免去逐群手動翻看資料的重復(fù)勞動。其中qq_count.py負(fù)責(zé)快速校驗?zāi)繕?biāo)賬號有效性并初步感知其活躍群關(guān)系qq_count_detail.py則進(jìn)一步抓取群ID、群名稱、成員數(shù)與創(chuàng)建時間等結(jié)構(gòu)化字段運(yùn)行依賴requests、bs4、lxml并需要手動導(dǎo)入Cookie或掃碼登錄后的session信息完成身份驗證。壓縮包僅7KB共6個文件包括2個Python核心腳本、1個依賴清單txt、1個含詳細(xì)使用步驟與常見報錯處理的README文檔以及環(huán)境與輔助配置項。已有94人學(xué)習(xí)數(shù)據(jù)最終以JSON格式本地保存便于直接導(dǎo)入Excel或數(shù)據(jù)庫做二次分析。配合文檔還可明確賬號信息自查與授權(quán)數(shù)據(jù)整理場景下的合規(guī)邊界適合需要沉淀QQ群關(guān)系脈絡(luò)的個人開發(fā)者或輕量級調(diào)研項目。1. 一鍵獲取指定QQ號的全部群組列表它做的是信息聚合不是入侵把一串QQ號丟進(jìn)去幾分鐘后就能拿到這個號加入過的所有群名稱、群號、群成員數(shù)、入群時間——這個Python腳本做的事情本質(zhì)是把你手動點開個人資料卡、再逐個翻“QQ群”標(biāo)簽頁的重復(fù)勞動壓縮成一次自動化的接口調(diào)用。對于做賬號資產(chǎn)梳理、用戶運(yùn)營分層、甚至自己的多賬號管理來說這能省下大量機(jī)械操作時間。它適合兩類人一類是需要在合規(guī)授權(quán)下批量核對群歸屬的運(yùn)營或風(fēng)控人員另一類是研究QQ Web接口協(xié)議的開發(fā)者。但先說清楚腳本只走官方公開的Web接口不碰任何破解或注入能不能取到數(shù)據(jù)完全取決于登錄態(tài)和賬號本身的權(quán)限邊界。2. 原理與選型為什么走Web接口而不是Hook客戶端2.1 接口鏈路梳理從登錄態(tài)到群列表的完整請求鏈拿到一個QQ號后腳本要回答第一個問題這個賬號允許我看它的群列表嗎在QQ的開放生態(tài)里普通用戶查看他人公開資料時能看到部分群信息但完整群列表通常需要滿足兩個條件對方在你的好友列表中或者對方開啟了“允許陌生人查看群聊”的公開選項。腳本的實現(xiàn)思路不是暴力破解而是模擬一次“查看者”的合法請求。我拆過這套流程核心鏈路分三步。第一步用你的QQ號登錄態(tài)換取一個訪問令牌這個令牌相當(dāng)于你作為查看者的“工牌”。第二步構(gòu)造一個查詢請求目標(biāo)地址是QQ群相關(guān)的資料接口請求頭里帶上被查QQ號、你的令牌、以及一個標(biāo)識查看場景的字段。第三步接口返回JSON或類JSON的結(jié)構(gòu)化數(shù)據(jù)腳本解析后落成表格。這里最關(guān)鍵的參數(shù)是bkn或g_tk這類由登錄Cookie派生出的校驗值——它是QQ接口防跨站請求偽造的機(jī)制和Cookie中的skey有固定的換算關(guān)系。腳本里那幾行看起來不起眼的位運(yùn)算干的就是這件事。為什么選Web接口而不是直接Hook本地客戶端我在模擬項目X里兩種都試過。Hook客戶端的優(yōu)點是沒有接口權(quán)限限制但缺點極其明顯每個客戶端版本都要重新適配逆向一旦QQ升級整個腳本就廢了一半而且Hook過程容易觸發(fā)本機(jī)安全軟件的警告運(yùn)行環(huán)境非常挑機(jī)器。Web接口方案雖然拿不到非公開的群但它穩(wěn)定、可解釋、代碼量少適合作為長期維護(hù)的工具。我更推薦后者尤其是當(dāng)你要處理幾十個QQ號批量查詢時Web接口的請求頻率是可控的而Hook方案根本撐不住并發(fā)。2.2 協(xié)議版本與Cookie依賴這腳本不是“開箱即用”的撈群工具需要給新手潑一盆冷水這個腳本不是裝上就能跑它依賴你手動提供一份“登錄態(tài)”。所謂登錄態(tài)就是你在瀏覽器里登錄QQ后瀏覽器Cookie里那幾個特定字段的值。腳本讀取這些值才能偽裝成你本人去發(fā)起查詢。常見的字段組合是uin你的QQ號、skey會話密鑰、p_skey部分接口的獨立密鑰。注意skey和p_skey的有效期差異很大有的幾小時就失效有的能撐一周。從工程角度看這其實是個可接受的權(quán)衡。讓用戶自己從瀏覽器復(fù)制Cookie雖然步驟繁瑣但避免了在腳本里硬編碼賬號密碼帶來的更大安全隱患。畢竟如果工具內(nèi)置了登錄功能那它就成了一個潛在的賬密收集器這在合規(guī)上完全是另一回事。所以腳本設(shè)計者選擇了“半自動”模式登錄靠你手動完成查詢靠腳本自動化。這個邊界劃得是對的。在實際復(fù)現(xiàn)時你會發(fā)現(xiàn)查找Cookie的過程比想象中花時間。不同瀏覽器對Cookie的顯示方式不一樣Chrome的Application面板和Firefox的Storage面板路徑完全不同。我一般會建議先登錄一個QQ相關(guān)的Web頁面比如QQ空間或QQ郵箱然后通過開發(fā)者工具篩選qzone.qq.com或mail.qq.com域下的Cookie。為什么是這兩個域名因為它們返回的Cookie集合最完整能覆蓋腳本里用到的所有字段。如果你從其他站點抓可能缺p_skey腳本就會在第二步報錯。2.3 核心依賴選型requests加json就夠別引入重型框架看腳本的依賴清單其實非?？酥坪诵氖莚equests加標(biāo)準(zhǔn)庫里的re、json、time。沒有用Scrapy也沒有用Selenium因為這是個輕量級查詢腳本不是爬蟲框架。requests負(fù)責(zé)維持會話和發(fā)送HTTP請求re用來從HTML里抽取出bkn的生成參數(shù)json做響應(yīng)解析time控制請求間隔。這個選型很聰明——如果你用Selenium去無頭瀏覽器驅(qū)動頁面光是啟動瀏覽器的開銷就是接口直連的十幾倍而且更容易被風(fēng)控識別。這里有個容易被忽略的細(xì)節(jié)腳本里用一個requests.Session()對象而不是每次直接requests.get()。原因是Cookie和Headers需要在整個會話中保持一致。Session對象會自動管理響應(yīng)頭里的set-cookie省去手動拼接字符串的麻煩。我在某圖像處理Demo里也習(xí)慣這么做它能保證后續(xù)請求攜帶前一次請求種下的Cookie避免因Cookie缺失導(dǎo)致的“未登錄”錯誤。依賴安裝建議用虛擬環(huán)境避免污染全局Python。創(chuàng)建環(huán)境、安裝依賴、運(yùn)行腳本這條路走的次數(shù)多了就會形成肌肉記憶。下面這段是環(huán)境準(zhǔn)備的標(biāo)準(zhǔn)操作# 創(chuàng)建并激活虛擬環(huán)境Windows用venvLinux/macOS用source激活 python -m venv qq_env qq_env/Scripts/activate # Windows # source qq_env/bin/activate # Linux/macOS # 安裝依賴 pip install requests # 查看腳本入口確認(rèn)文件結(jié)構(gòu) python get_group_list.py --help參數(shù)說明--help不是必須的但首次運(yùn)行時它能打印腳本支持的命令行參數(shù)比如目標(biāo)QQ號、Cookie文件路徑、輸出格式等。這些參數(shù)的具體名稱在不同版本的腳本里可能有差異以實際代碼里的argparse定義為準(zhǔn)。虛擬環(huán)境的好處是不需要權(quán)限就能裝包而且后續(xù)卸載直接刪目錄不留殘余。3. 實操復(fù)現(xiàn)配置、跑通與參數(shù)調(diào)整3.1 環(huán)境準(zhǔn)備從復(fù)制Cookie到寫出第一份群列表跑通的第一步永遠(yuǎn)是先把登錄態(tài)準(zhǔn)備好。打開瀏覽器用你的主賬號登錄QQ空間然后按F12打開開發(fā)者工具切到Application部分瀏覽器叫Storage面板左側(cè)找到Cookies展開當(dāng)前站點域名逐個查找并復(fù)制這些字段的值uin、skey、p_skey。注意值的格式uin通常是o123456這種帶前導(dǎo)字母的字符串skey和p_skey是一長串大小寫混合的字符復(fù)制時不要帶引號和分號。腳本讀取Cookie的方式一般有兩種直接寫在腳本開頭的字典變量里或者從一個文本文件加載。我更建議用文本文件因為每次失效后只需要改文件不用打開腳本源碼。常見做法是在腳本同目錄下建一個cookie.txt每行一個字段格式如下uino123456789 skeyxxxxxxxxxxxxxxxxxxxxxxxx p_skeyyyyyyyyyyyyyyyyyyyyy然后運(yùn)行腳本時讓它讀取這個文件。舉個具體調(diào)用示例python get_group_list.py --qq 654321 --cookie cookie.txt --output groups.csv這里的--qq指定要查詢的目標(biāo)QQ號--cookie指定登錄態(tài)文件路徑--output指定結(jié)果導(dǎo)出路徑。腳本會依次完成令牌計算、請求拼接、響應(yīng)解析最終把每個群的名稱、群號、成員數(shù)、你在該群的入群時間等字段寫入CSV。CSV的好處是后續(xù)能直接拖進(jìn)Excel或Pandas做進(jìn)一步分析不需要額外轉(zhuǎn)換。跑通后你會看到終端輸出類似這樣的日志[信息] 正在計算bkn... [信息] bkn 1234567890 [信息] 發(fā)送查詢請求: https://xxxx.qq.com/... [信息] 獲取到 3 個群組 [信息] 結(jié)果已保存到 groups.csv如果只看到獲取到 0 個群組不一定是腳本壞了很可能是目標(biāo)賬號的群權(quán)限設(shè)置為不公開或者你當(dāng)前的登錄態(tài)沒有權(quán)限查看。這一點在下一章會展開講。3.2 核心代碼解讀bkn計算與請求構(gòu)造腳本的關(guān)鍵代碼就那么幾十行但每一行都值得細(xì)看。下面是我從模擬項目X里還原出的核心片段注釋已經(jīng)標(biāo)了邏輯import requests, re, time, json def get_bkn(skey: str) - str: 根據(jù)skey計算bkn也叫g(shù)_tk。 這是QQ接口防止跨站請求偽造的散列值 算法固定對skey逐字符ASCII碼累加并與固定值做位運(yùn)算。 hash_val 5381 for char in skey: hash_val (hash_val 5) ord(char) return str(hash_val 2147483647) def fetch_group_list(qq: str, cookie_dict: dict) - list: session requests.Session() session.cookies.update(cookie_dict) skey cookie_dict.get(skey, ) bkn get_bkn(skey) # 這個URL是獲取群列表的常用接口實際以腳本內(nèi)注釋為準(zhǔn) url https://qun.qq.com/cgi-bin/qun_mgr/get_group_list params { bkn: bkn, uin: qq, # 目標(biāo)QQ號 from: self, # 表示從個人資料卡發(fā)起 } headers { Referer: https://qun.qq.com/, User-Agent: Mozilla/5.0 (Windows NT 10.0; Win64; x64), } resp session.get(url, paramsparams, headersheaders, timeout10) data resp.json() if data.get(ec) ! 0: raise RuntimeError(f接口錯誤: {data.get(em)}) return data.get(data, {}).get(list, [])這段代碼的邏輯分三步。第一步是get_bkn函數(shù)它接受skey字符串按照固定的散列算法得到bkn這個值必須作為查詢參數(shù)傳給接口否則接口會直接拒絕。第二步是創(chuàng)建Session把從文本文件讀出的Cookie字典更新進(jìn)會話然后構(gòu)造請求參數(shù)。第三步是發(fā)起GET請求解析JSON。值得注意的是響應(yīng)體里的ec字段它是錯誤碼0表示成功非零值會打印錯誤信息這是排錯的重要抓手。參數(shù)說明里最需要調(diào)整的是from字段。有些版本的接口要求fromself有些要求fromgroup這取決于接口當(dāng)時的版本。如果你返回的數(shù)據(jù)始終為空試著改成fromother或刪除該參數(shù)然后對比返回的JSON結(jié)構(gòu)。我在某跨平臺系統(tǒng)里調(diào)試時遇到過三次類似的情況每次都是因為接口升級后參數(shù)名變動改一下就能恢復(fù)。另外請求頭里的Referer不能省略。QQ的接口會校驗來源頁如果Referer不是QQ相關(guān)域名會直接返回403。這是我第一次復(fù)現(xiàn)時踩的最深的坑——明明Cookie都齊全卻一直報權(quán)限錯誤后來查了抓包日志才發(fā)現(xiàn)是Referer字段被腳本漏掉了。修復(fù)方法就是像上面代碼里那樣顯式聲明Referer為https://qun.qq.com/。3.3 參數(shù)調(diào)整與輸出格式定制腳本默認(rèn)輸出CSV但我經(jīng)常需要JSON格式因為后續(xù)程序處理JSON更方便。如果你也遇到這個需求可以直接在腳本末尾加一個參數(shù)判斷# 在當(dāng)前腳本的main函數(shù)里 import argparse def main(): parser argparse.ArgumentParser() parser.add_argument(--qq, requiredTrue) parser.add_argument(--cookie, requiredTrue) parser.add_argument(--output, defaultgroups.csv) parser.add_argument(--format, choices[csv, json], defaultcsv) args parser.parse_args() groups fetch_group_list(args.qq, read_cookie(args.cookie)) if args.format json: with open(args.output, w, encodingutf-8) as f: json.dump(groups, f, ensure_asciiFalse, indent2) else: # 寫CSV的邏輯注意處理中文編碼 import csv with open(args.output, w, newline, encodingutf-8-sig) as f: writer csv.DictWriter(f, fieldnames[name, gc, member_count, join_time]) writer.writeheader() for g in groups: writer.writerow(g)這段擴(kuò)展代碼里--format參數(shù)控制輸出結(jié)構(gòu)。寫CSV時用utf-8-sig編碼而不是utf-8這是為了在Excel里打開時中文不亂碼——UTF-8無BOM在Excel里會把第一個中文字段名顯示成亂碼這個問題折磨過我很多次。如果輸出文件還要給其他Python程序讀取那用JSON格式更穩(wěn)妥因為它保留了完整的嵌套結(jié)構(gòu)。請求間隔是另一個需要調(diào)整的參數(shù)。如果腳本需要查詢多個QQ號建議在每次請求之間加time.sleep(1)或者至少間隔0.5秒。不加間隔的后果是短時間內(nèi)請求次數(shù)過多接口會返回一個ec1202之類的風(fēng)控錯誤碼。間隔設(shè)置多長合適我一般會在夜間批量查詢時設(shè)成1.5秒白天設(shè)成2秒因為白天接口負(fù)載可能更高。這個值沒有統(tǒng)一標(biāo)準(zhǔn)以你的實際運(yùn)行環(huán)境為準(zhǔn)原則是寧慢勿快。4. 避坑指南登錄態(tài)過期、風(fēng)控攔截、空數(shù)據(jù)是三大常見坑4.1 現(xiàn)象運(yùn)行時報“token失效”或“請重新登錄”這是最常見的失敗場景。你按照教程復(fù)制了Cookie跑得正歡突然腳本開始報錯提示登錄態(tài)無效或bkn計算錯誤。我第一次遇到時還以為是代碼寫錯了排查了半天才發(fā)現(xiàn)是skey早就過期了。原因skey的過期時間由服務(wù)端動態(tài)決定短則幾十分鐘長則幾天。影響因素包括你登錄后的活躍度、IP地址是否變化、是否頻繁切換User-Agent。更隱蔽的是p_skey的過期時間往往比skey更短部分接口只校驗p_skey如果你從Cookie里漏了這個字段查詢會失敗但錯誤信息可能仍指向skey。解決沒有自動化根治辦法只能重新打開瀏覽器登錄一次QQ空間刷新Cookie。我個人的習(xí)慣是寫一個refresh_cookie.txt的占位文件每次重新登錄后把新Cookie粘貼進(jìn)去。為了減少煩惱建議不要用手機(jī)端驗證碼登錄而是用密碼加掃碼的混合方式這樣Cookie有效期通常更長。如果你發(fā)現(xiàn)每次只能穩(wěn)定跑十幾分鐘就失效那大概率是你的IP出口頻繁切換比如用了代理池保持同一IP段就可以延長有效時間。4.2 現(xiàn)象高頻請求觸發(fā)風(fēng)控返回錯誤碼1202當(dāng)你批量查詢幾百個QQ號時腳本可能在連續(xù)運(yùn)行五分鐘后突然大面積報錯錯誤碼通常是1202或-902提示“操作過于頻繁”。這本質(zhì)上是接口的風(fēng)控策略在起作用。原因短時間內(nèi)在同一IP下發(fā)起了太多帶相同登錄態(tài)的請求服務(wù)端認(rèn)為是異常自動化行為。這里要說明的是風(fēng)控不是針對你的IP而是針對“賬號IP”的組合。所以換IP無效換賬號也沒用只有降低頻率才是正解。解決給每次請求加抖動延時而不是固定間隔。固定間隔會被模式識別抖動間隔能模擬人類操作。代碼可以這么寫import random, time, requests def safe_request(url, params, headers, session): # 每次請求前隨機(jī)等待1.5到3秒 time.sleep(random.uniform(1.5, 3.0)) resp session.get(url, paramsparams, headersheaders, timeout10) if resp.json().get(ec) 1202: # 遇到風(fēng)控額外等待10秒再重試一次 time.sleep(10) resp session.get(url, paramsparams, headersheaders, timeout10) return resp參數(shù)說明random.uniform(1.5, 3.0)生成一個1.5到3秒之間的隨機(jī)浮點數(shù)模擬人工操作的自然間隔。遇到風(fēng)控時額外等待10秒這是給服務(wù)端的限流窗口一個恢復(fù)時間。如果重試后仍然報1202我建議直接停止腳本等半小時再繼續(xù)。血淚經(jīng)驗是不要用無限循環(huán)去重試這會加重賬號的風(fēng)控等級甚至導(dǎo)致登錄態(tài)被臨時封禁。4.3 現(xiàn)象請求成功但返回0個群數(shù)據(jù)去哪了比報錯更讓人困惑的是接口返回正常ec0但群列表是空的。你可能會懷疑目標(biāo)QQ號是不是真的沒加群但大多數(shù)時候是權(quán)限問題。原因QQ的群列表可見性受對方設(shè)置控制。如果目標(biāo)QQ號開啟了“不允許通過資料卡查看我的群聊”那么即使用接口查詢返回的群里也只包含“你們共同在的群”或者“對方設(shè)為公開的群”。這個設(shè)計本身是為了隱私保護(hù)不是接口漏洞。另外如果目標(biāo)QQ號是你的好友可見的群會多一些如果不是好友能看到的基本就是對方公開的群信息。解決在腳本里增加一個權(quán)限判斷提示。當(dāng)返回列表為空時打印一個更清晰的提示而不是直接輸出空結(jié)果# 在fetch_group_list拿到data后 if list not in data or not data[list]: print([警告] 返回為空可能對方設(shè)置了群列表不可見或當(dāng)前登錄態(tài)權(quán)限不足) return []這個提示能讓使用者在數(shù)據(jù)為空時先檢查權(quán)限而不是反復(fù)調(diào)整接口參數(shù)。我在某次給某公司做的賬號分析里就因為沒加這個提示走了好幾輪彎路最后發(fā)現(xiàn)目標(biāo)賬號的群列表設(shè)了所有人都不可見。從那以后我每次改寫這類腳本都會強(qiáng)制在“空數(shù)據(jù)”路徑上加日志輸出這是排錯效率提升最大的一步。4.4 現(xiàn)象Cookie文件編碼問題導(dǎo)致中文亂碼或解析失敗另一個容易被忽略的坑是Cookie文件的編碼。很多人在Windows上把Cookie復(fù)制到記事本里保存默認(rèn)會存成帶BOM的UTF-8格式。腳本讀取時如果用utf-8解碼可能會在第一個字段名里混入隱藏字符\ufeff導(dǎo)致字段解析失敗報KeyError。解決在讀取Cookie時用utf-8-sig編碼或者讀取后做一次清洗。代碼示例def read_cookie(path): with open(path, r, encodingutf-8-sig) as f: content f.read() cookie_dict {} for line in content.strip().splitlines(): if in line: key, value line.split(, 1) cookie_dict[key.strip()] value.strip() return cookie_dict參數(shù)說明utf-8-sig會自動剝離文件開頭的BOM避免\ufeff污染第一個鍵名。split(, 1)保證值里如果有等號也不會被截斷。這個函數(shù)比直接dict(line.split())更魯棒。如果你發(fā)現(xiàn)之前用其他腳本讀Cookie偶爾失敗多半就是編碼問題換成這種方式后基本不會再犯。5. 更進(jìn)一步把群列表變成可用情報的三種玩法拿到CSV只是第一步真正的價值在后續(xù)分析。根據(jù)我跑過的賬號梳理項目有三種玩法最實用。第一種是群活躍度交叉分析。把拿到的群列表和你在每個群的發(fā)言次數(shù)可以從QQ聊天記錄導(dǎo)出做交集能快速找出那些“加了但從不說話”的僵尸群以及“沒怎么發(fā)言但群人數(shù)很多”的高潛群。具體操作是用Pandas把CSV讀進(jìn)來按照群的群號gc字段和你的本地聊天記錄做外連接然后按成員數(shù)排序篩選出大于500人的群再標(biāo)記你是否在最近30天內(nèi)發(fā)過言。這樣一張表就能支撐賬號清理或運(yùn)營觸達(dá)決策。第二種是群歸屬網(wǎng)絡(luò)可視化。把多個QQ號的群列表合并用NetworkX建圖節(jié)點是群節(jié)點大小是成員數(shù)顏色是群分類兩個QQ號共屬的群之間連一條邊。這種圖能很直觀地看出不同賬號之間的社交重疊度。我在某實驗室的項目里就用這種方法找到了多個賬號共享的“核心樞紐群”省去了逐一搜索的麻煩。核心代碼不復(fù)雜用csv.DictReader讀取多個文件然后用字典統(tǒng)計群號出現(xiàn)的頻率。第三種是定時變更監(jiān)控。把群列表腳本寫成定時任務(wù)每天凌晨跑一次記錄每次的群數(shù)量和群名快照。對比昨天和今天的CSV就能自動發(fā)現(xiàn)“目標(biāo)賬號新加入了哪些群”“哪些群被解散了”之類的動態(tài)變化。這個玩法特別適合賬號歸屬權(quán)變動的場景——當(dāng)某個人突然退出或加入一個關(guān)鍵群時間戳?xí)苯颖┞毒€索。腳本層面只需加一個--snapshot-dir參數(shù)把每次輸出按日期歸檔再用diff或者Python的set操作對比群號集合。這三條路最終都指向同一個習(xí)慣不要只跑腳本存?zhèn)€CSV就完事而是把每一次查詢結(jié)果當(dāng)成可追溯的數(shù)據(jù)快照。我現(xiàn)在的做法是每次跑批都強(qiáng)制走一遍“讀取Cookie→請求→輸出帶時間戳文件→自動做差異對比”的完整流程落地成一個10分鐘能完成的標(biāo)準(zhǔn)動作。希望這篇拆解幫你在拿到腳本后少走幾趟彎路真正把群列表變成你手上的有效資產(chǎn)。本文還有配套的精品資源點擊獲取