Serverless实践系列（五）：如何将搜索引擎去广告？

现在大部分搜索引擎都有付费推广的内容，我们经常在使用搜索引擎的时候，会被这些付费搜索的东西所干扰，例如，搜索在线编程这个词条：

可以看到这个词条，在一页屏幕上面，前面几个结果都是推广，这其中大部分命中的关键词是“编程”，而不是在线编程，这就会扰乱我们视听，也会给我们带来很不友好的体验，那么我们是否可以通过云函数SCF来做一个简单的工具，来屏蔽掉这些广告呢？

回答是当然可以，本教程将会通过SCF+COS来实现一个简单的网页搜索小工具，至于为啥叫搜索小工具，而不是叫去广告搜索小工具，结尾的地方，再详细说。

寻找广告特点

在对列表页代码研究过程中，我们发现，非广告页代码有：

而推广内容，则没有这个内容，所以，可以通过正则化，或者XPATH等操作来对目标内容进行识别。

本地实验

>>>>

本地爬虫编写

根据对页面分析，我们可以得到这样一组参数：

ie=utf-8	
pn=10	
wd=在线编程

这组参数中，ie是控制编码格式，pn是翻页（偏移量），wd是搜索词汇，对代码编写如下：

import urllib.request	
import re	
page = 1	
args_pn = (page-1) * 10	
url = "http://www.baidu.com/s?ie=utf-8&pn=" + str(args_pn) + "&wd=" + urllib.request.quote("在线编程")	
req_attr = urllib.request.urlopen(url)	
result_list = re.findall("data-tools='(.*?)'",req_attr.read().decode("utf-8"))	
for eve in result_list:	
    print(eve)

运行结果：