香港云主机最佳企业级服务商!

ADSL拨号VPS包含了中国大陆(联通,移动,电信,)

中国香港,国外拨号VPS。

当前位置:云主机 > python >

电信ADSL拨号VPS
联通ADSL拨号VPS
移动ADSL拨号VPS

python实现提取百度搜索结果的方法


时间:2021-12-08 14:46 作者:admin610456


本文实例讲述了python/' target='_blank'>python实现提取百度搜索结果的方法。分享给大家供大家参考。具体实现方法如下:

# coding=utf8import urllib2import stringimport urllibimport reimport random#设置多个user_agents,防止百度限制IPuser_agents = ['Mozilla/5.0 (Windows NT 6.1; WOW64; rv:23.0) Gecko/20130406 Firefox/23.0', \    'Mozilla/5.0 (Windows NT 6.1; WOW64; rv:18.0) Gecko/20100101 Firefox/18.0', \    'Mozilla/5.0 (Windows; U; Windows NT 6.1; en-US) AppleWebKit/533+ \    (KHTML, like Gecko) Element Browser 5.0', \    'IBM WebExplorer /v0.94', 'Galaxy/1.0 [en] (Mac OS X 10.5.6; U; en)', \    'Mozilla/5.0 (compatible; MSIE 10.0; Windows NT 6.1; WOW64; Trident/6.0)', \    'Opera/9.80 (Windows NT 6.0) Presto/2.12.388 Version/12.14', \    'Mozilla/5.0 (iPad; CPU OS 6_0 like Mac OS X) AppleWebKit/536.26 (KHTML, like Gecko) \    Version/6.0 Mobile/10A5355d Safari/8536.25', \    'Mozilla/5.0 (Windows NT 6.1) AppleWebKit/537.36 (KHTML, like Gecko) \    Chrome/28.0.1468.0 Safari/537.36', \    'Mozilla/5.0 (compatible; MSIE 9.0; Windows NT 6.0; Trident/5.0; TheWorld)']def baidu_search(keyword,pn):  p= {'wd': keyword}   res=urllib2.urlopen(("http://www.baidu.com/s?"+urllib.urlencode(p)+"&pn={0}&cl=3&rn=100").format(pn))  html=res.read()  return htmldef getList(regex,text):  arr = []  res = re.findall(regex, text)  if res:    for r in res:      arr.append(r)  return arrdef getMatch(regex,text):  res = re.findall(regex, text)  if res:    return res[0]  return ""def clearTag(text):  p = re.compile(u'<[^>]+>')  retval = p.sub("",text)  return retvaldef geturl(keyword):  for page in range(10):    pn=page*100+1    html = baidu_search(keyword,pn)    content = unicode(html, 'utf-8','ignore')    arrList = getList(u"<table.*?class=\"result\".*?>.*?<\/a>", content)    for item in arrList:      regex = u"<h3.*?class=\"t\".*?><a.*?href=\"(.*?)\".*?>(.*?)<\/a>"      link = getMatch(regex,item)      url = link[0]      #获取标题      #title = clearTag(link[1]).encode('utf8')      try:        domain=urllib2.Request(url)        r=random.randint(0,11)        domain.add_header('User-agent', user_agents[r])        domain.add_header('connection','keep-alive')        response=urllib2.urlopen(domain)        uri=response.geturl()        print uri      except:        continueif __name__=='__main__':  geturl('Python')

希望本文所述对大家的Python程序设计有所帮助。

(责任编辑:admin)






帮助中心
会员注册
找回密码
新闻中心
快捷通道
域名登录面板
虚机登录面板
云主机登录面板
关于我们
关于我们
联系我们
联系方式

售前咨询:17830004266(重庆移动)

企业QQ:383546523

《中华人民共和国工业和信息化部》 编号:ICP备00012341号

Copyright © 2002 -2018 香港云主机 版权所有
声明:香港云主机品牌标志、品牌吉祥物均已注册商标,版权所有,窃用必究

云官方微信

在线客服

  • 企业QQ: 点击这里给我发消息
  • 技术支持:383546523

  • 公司总台电话:17830004266(重庆移动)
  • 售前咨询热线:17830004266(重庆移动)