日韩久久久精品,亚洲精品久久久久久久久久久,亚洲欧美一区二区三区国产精品 ,一区二区福利

python爬取盤搜的有效鏈接實(shí)現(xiàn)代碼

系統(tǒng) 1804 0

因?yàn)楸P搜搜索出來的鏈接有很多已經(jīng)失效了,影響找數(shù)據(jù)的效率,因此想到了用爬蟲來過濾出有效的鏈接,順便練練手~

這是本次爬取的目標(biāo)網(wǎng)址http://www.pansou.com,首先先搜索個(gè)python,之后打開開發(fā)者工具,

可以發(fā)現(xiàn)這個(gè)鏈接下的json數(shù)據(jù)就是我們要爬取的數(shù)據(jù)了,把多余的參數(shù)去掉,

剩下的鏈接格式為http://106.15.195.249:8011/search_new?q=python&p=1,q為搜索內(nèi)容,p為頁碼

python爬取盤搜的有效鏈接實(shí)現(xiàn)代碼_第1張圖片

以下是代碼實(shí)現(xiàn):

            
import requests
import json
from multiprocessing.dummy import Pool as ThreadPool
from multiprocessing import Queue
import sys
headers = {
  "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/75.0.3770.100 Safari/537.36"
}
q1 = Queue()
q2 = Queue()
urls = [] # 存取url列表
# 讀取url
def get_urls(query):
  # 遍歷50頁
  for i in range(1,51):
    # 要爬取的url列表,返回值是json數(shù)據(jù),q參數(shù)是搜索內(nèi)容,p參數(shù)是頁碼
    url = "http://106.15.195.249:8011/search_new?&q=%s&p=%d" % (query,i)
    urls.append(url)
# 獲取數(shù)據(jù)
def get_data(url):
  print("開始加載,請等待...")
  # 獲取json數(shù)據(jù)并把json數(shù)據(jù)轉(zhuǎn)換為字典
  resp = requests.get(url, headers=headers).content.decode("utf-8")
  resp = json.loads(resp)
  # 如果搜素?cái)?shù)據(jù)為空就拋出異常停止程序
  if resp['list']['data'] == []:
    raise Exception
  # 遍歷每一頁數(shù)據(jù)的長度
  for num in range(len(resp['list']['data'])):
    # 獲取百度云鏈接
    link = resp['list']['data'][num]['link']
    # 獲取標(biāo)題
    title = resp['list']['data'][num]['title']
    # 訪問百度云鏈接,判斷如果頁面源代碼中有“失效時(shí)間:”這段話的話就表明鏈接有效,鏈接無效的頁面是沒有這段話的
    link_content = requests.get(link, headers=headers).content.decode("utf-8")
    if "失效時(shí)間:" in link_content:
      # 把標(biāo)題放進(jìn)隊(duì)列1
      q1.put(title)
      # 把鏈接放進(jìn)隊(duì)列2
      q2.put(link)
      # 寫入csv文件
      with open("wangpanziyuan.csv", "a+", encoding="utf-8") as file:
        file.write(q1.get()+","+q2.get() + "\n")
  print("ok")
if __name__ == '__main__':
  # 括號(hào)內(nèi)填寫搜索內(nèi)容
  get_urls("python")
  # 創(chuàng)建線程池
  pool = ThreadPool(3)
  try:
    results = pool.map(get_data, urls)
  except Exception as e:
    print(e)
  pool.close()
  pool.join()
  print("退出")
          

總結(jié)

以上所述是小編給大家介紹的python爬取盤搜的有效鏈接實(shí)現(xiàn)代碼希望對大家有所幫助,如果大家有任何疑問請給我留言,小編會(huì)及時(shí)回復(fù)大家的。在此也非常感謝大家對腳本之家網(wǎng)站的支持!
如果你覺得本文對你有幫助,歡迎轉(zhuǎn)載,煩請注明出處,謝謝!


更多文章、技術(shù)交流、商務(wù)合作、聯(lián)系博主

微信掃碼或搜索:z360901061

微信掃一掃加我為好友

QQ號(hào)聯(lián)系: 360901061

您的支持是博主寫作最大的動(dòng)力,如果您喜歡我的文章,感覺我的文章對您有幫助,請用微信掃描下面二維碼支持博主2元、5元、10元、20元等您想捐的金額吧,狠狠點(diǎn)擊下面給點(diǎn)支持吧,站長非常感激您!手機(jī)微信長按不能支付解決辦法:請將微信支付二維碼保存到相冊,切換到微信,然后點(diǎn)擊微信右上角掃一掃功能,選擇支付二維碼完成支付。

【本文對您有幫助就好】

您的支持是博主寫作最大的動(dòng)力,如果您喜歡我的文章,感覺我的文章對您有幫助,請用微信掃描上面二維碼支持博主2元、5元、10元、自定義金額等您想捐的金額吧,站長會(huì)非常 感謝您的哦!!!

發(fā)表我的評(píng)論
最新評(píng)論 總共0條評(píng)論
主站蜘蛛池模板: 永顺县| 塘沽区| 怀远县| 滁州市| 汾西县| 石狮市| 凌云县| 博乐市| 阆中市| 峡江县| 科技| 麻栗坡县| 桃源县| 梅河口市| 阿合奇县| 石棉县| 睢宁县| 长阳| 监利县| 南投县| 确山县| 台中县| 图木舒克市| 江西省| 武宣县| 乌苏市| 民乐县| 双江| 斗六市| 灵台县| 株洲县| 三台县| 南宁市| 通山县| 沛县| 巴青县| 句容市| 隆安县| 阳城县| 姚安县| 黄山市|