python调用百度查询关键字_Python模拟搜索百度关键字

经常使用百度搜索一些资料,故用Python模拟发送请求。

!/usr/bin/env python

# coding=utf8

#####################

name : bd.py

author: jaysonzhang

date : 2013-08-04

#####################

import urllib2

import string

import urllib

import re

import random

#设置多个user_agents,防止百度限制IP

user_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)']

#组装url,搜索后返回结果

def baidu_search(keyword,pn):

p= {'wd': keyword}

#wd 代表关键字 pn 代表页码 cl=3 代表网页搜索

access_url=("http://www.baidu.com/s?"+urllib.urlencode(p)+"&pn={0}&cl=3&rn=10").format(pn)

#res=urllib2.urlopen(("http://www.baidu.com/s?"+urllib.urlencode(p)+"&pn={0}&cl=3&rn=10").format(pn))

res=urllib2.urlopen(access_url)

html=res.read()

return html

#查找匹配关键字的所有结果,追加的结果以列表返回

def getList(regex,text):

arr = []

res = re.findall(regex, text)

if res:

for r in res:

arr.append(r)

return arr

#查找匹配关键字的所有结果

def getMatch(regex,text):

res = re.findall(regex, text)

if res:

return res[0]

return ""

#清除搜索结果中标题多余的html标签

def clearTag(text):

p = re.compile(u'<[^>]+>')

retval = p.sub("",text)

return retval

#清除百度搜索后结果列表里存在的换行符和TAB符,以便下面正则表达式不用处理这些字符

def subContent(content):

content=re.sub('\n','',content)

content=re.sub('\t','',content)

return content

#开始搜索

def geturl(keyword,totalpage):

for page in range(totalpage):

print 'Now Page %d Result:' %(page+1)

pn=page*10+1

#开始搜索,从第一页开始

html = baidu_search(keyword,pn)

content = unicode(html, 'utf-8','ignore')

#clean \n \t

content = subContent(content)

#得到左侧搜索结果列表

arrList = getList(u"

.*?<\/a>", content)

#遍历左侧搜索结果列表

for item in arrList:

regex = u"

(.*?)<\/a>"

link = getMatch(regex,item)

#获取百度返回带加密串的url

url = link[0]

#获取标题

title = clearTag(link[1]).encode('utf8')

#获取搜索结果的URL真实地址

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 "[%s]---->[%s]" %(title,uri)

except:

continue

if __name__=='__main__':

#输入要显示的总页数

totalpage=int( raw_input('input totalpage :') )

#输入关键字

key=u'%s' %( raw_input('input key word:') )

geturl(key,totalpage)

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