爬虫--谷歌浏览器输入关键词爬取网站

import urllib
import requests
from bs4 import BeautifulSoup
# desktop user-agent
USER_AGENT = "Mozilla/5.0 (Macintosh; Intel Mac OS X 10.14; rv:65.0) Gecko/20100101 Firefox/65.0"
# mobile user-agent
MOBILE_USER_AGENT = "Mozilla/5.0 (Linux; Android 7.0; SM-G930V Build/NRD90M) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/59.0.3071.125 Mobile Safari/537.36"
headers = {"user-agent": USER_AGENT}

query = "XXX"   # 查询关键
query = query.replace(' ', '+')
URL = f"https://google.com/search?q={query}"  # 谷歌查询网址
resp = requests.get(URL, headers=headers)

# 获得查询结果
if resp.status_code == 200:
    soup = BeautifulSoup(resp.content, "html.parser")
    results = []   #网站内容
    page = []   #第一页的页面url
    url = []
    for g in soup.find_all('div', class_='r'):
        anchors = g.find_all('a')
        if anchors:
            link = anchors[0]['href']
            title = g.find('h3').text
            item = {
                "title": title,
                "link": link
            }
            results.append(item)
            url.append(link)
    for a in soup.find_all('tr'):
        for b in a.find_all('a'):
            link = b['href']
            page.append(link)
print(results)
print(page)

输出示例:

[{'title': '大麻的12 件有趣知識(Weed: 12 Interesting Facts You Should ...', 'link': 'https://tw.voicetube.com/videos/44637'},...]

  • 3
    点赞
  • 8
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值