1.搜索时尽量使用英文关键字,避免分析链接时编码不支持中文编码;
例如百度搜索JMS,其地址如下
https://www.baidu.com/s?wd=JMS&rsv_spt=1&rsv_iqid=0xcad97e84000425cf&issp=1&f=8&rsv_bp=0&rsv_idx=2&ie=utf-8&tn=baiduhome_pg&rsv_enter=1&rsv_sug3=4&rsv_sug1=4&rsv_sug7=101&rsv_t=5709oZWhG5bqGVXY1LsaHkncJQZSyYXAC8ujCCWBeGEujkCQYFOwK8tMp6FS3KH4j1nI&rsv_sug2=0&inputT=1776&rsv_sug4=2210
可非常容易获知wd为关键字
若搜索素炒青豆
则比较麻烦,不容易一眼看出那个是关键字段。
2.搜索链接进行精简;
对搜索JMS网页地址精简,并输入网页地址栏测试是否正确,例如
http://www.baidu.com/s?wd=JMS 等同于本文中的第一个搜索网页地址。
延伸:若搜索AMOP,也可用http://www.baidu.com/s?wd=AMOP
3.多页分析,可抽取2-3个页面链接分析
例如
第二页:
https://www.baidu.com/s?wd=JMS&pn=10&oq=JMS&tn=baiduhome_pg&ie=utf-8&rsv_idx=2&rsv_pq=95ec59bf00049a21&rsv_t=24d6aufeIyLQ3KEEY2kSnewaV%2BpA%2FoacF8AZct32y5CxdVSrVA11NJtEzuFI%2B%2B1jdrV0
第四页:
http://www.baidu.com/s?wd=JMS&pn=30&oq=JMS&ie=utf-8&rsv_pq=8d01b7ae0004afe5&rsv_t=e665CH7PpNJ2d4Tyq2SiawJBJ0xx1wGesk4ageSxvrCemv6r%2FXxKX%2FeSIe4
可分析出页码字段为pn,pn值除10 加 1表示第几页
测试验证:
http://www.baidu.com/s?wd=JMS&pn=0 第1页
http://www.baidu.com/s?wd=JMS&pn=60 第7页
4.编写代码时,若搜索时用到中文,请做编码预处理
key = ‘素炒青豆’
keyCode = urllib.request.quote(key)