获取百度搜索结果的真实url以及摘要和时间

利用requests库和bs4实现,demo如下:

#coding:utf-8
import requests
from bs4 import BeautifulSoup
import bs4
import re
headers = {
    'User-Agent':'Chrome/68.0.3440.106'
}

def getHTMLText(url):
    try:
        r=requests.get(url,headers=headers)
        r.raise_for_status()
        r.encoding=r.apparent_encoding
        return r.text
    except:
        return ''
'''
def getHref(html):
    soup=BeautifulSoup(html,'lxml')
    for node in soup.find_all()
'''
def bdurlCode(url):
    res = requests.get(url, allow_redirects=False)
    Real_url = res.headers['location']
    return Real_url

def fillList(ulist,html):
    soup=BeautifulSoup(html,'lxml')
    for node in soup.find_all('div', {'class': 'result c-container '}):
        abstract_node = node.find('div',{'class':'c-abstract'})
        cite_node = node.find('a', {'class': 'c-showurl'})
        time_node=node.find('span',{'class':' newTimeFactor_before_abs m'})
        if not time_node:continue
        url=cite_node['href']
        url=bdurlCode(url)
        abstract=abstract_node.text
        time=time_node.text
        ulist.append([url,time,abstract])
    print(ulist)
    print(len(ulist))

uinfo=[]
url="https://www.baidu.com/s?ie=utf-8&f=8&rsv_bp=1&rsv_idx=1&tn=baidu&wd=%E6%98%8E%E7%95%A5%E6%95%B0%E6%8D%AECTO&oq=%25E6%2598%258E%25E7%2595%25A5%25E6%2595%25B0%25E6%258D%25AE&rsv_pq=9429009d00000f0c&rsv_t=0278viP4h51Y2xMneo8a0HfaOkqnhW8wmti1KAz4ddKuKCUjeKDsh9yB1YM&rqlang=cn&rsv_enter=1&inputT=894&rsv_sug3=17&rsv_sug1=9&rsv_sug7=100&rsv_sug2=0&rsv_sug4=1273&rsv_sug=1"
html=getHTMLText(url)
fillList(uinfo,html)

 

转载于:https://www.cnblogs.com/elpsycongroo/p/9455703.html

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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