python采集百度搜索结果带有特定URL的链接代码实例
Python  /  管理员 发布于 7年前   178
这篇文章主要介绍了python采集百度搜索结果带有特定URL的链接代码实例,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下
#coding utf-8import requestsfrom bs4 import BeautifulSoup as bsimport refrom Queue import Queueimport threadingfrom argparse import ArgumentParserarg = ArgumentParser(description='baidu_url_collet py-script by xiaoye')arg.add_argument('keyword',help='keyword like inurl:?id=for searching sqli site')arg.add_argument('-p','--page',help='page count',dest='pagecount',type=int)arg.add_argument('-t','--thread',help='the thread_count',dest='thread_count',type=int,default=10)arg.add_argument('-o','--outfile',help='the file save result',dest='oufile',type=int,default='result.txt')result = arg.parse_args()headers = {'User-Agent':'Mozilla/5.0(windows NT 10.0 WX64;rv:50.0) Gecko/20100101 Firefox/50.0'}class Bg_url(threading.Thread): def __init__(self,que): threading.Thread.__init__(self) self._que = que def run(self): while not self._que.empty(): URL = self._que.get() try: self.bd_url_collet(URL) except Exception,e: print(e) pass def bd_url_collect(self, url): r = requests.get(url, headers=headers, timeout=3) soup = bs(r.content, 'lxml', from_encoding='utf-8') bqs = soup.find_all(name='a', attrs={‘data-click‘:re.compile(r'.'), 'class':None})#获得从百度搜索出来的a标签的链接 for bq in bqs: r = requests.get(bq['href'], headers=headers, timeout=3)#获取真实链接 if r.status_code == 200:#如果状态码为200 print r.url with open(result.outfile, 'a') as f: f.write(r.url + '\n')def main(): thread = [] thread_count = result.thread_count que = Queue() for i in range(0,(result.pagecount-1)*10,10): que.put('https://www.baidu.com/s?wd=' + result.keyword + '&pn=' + str(i)) or i in range(thread_count): thread.append(Bd_url(que)) for i in thread: i.start() for i in thread: i.join() if __name__ == '__main__': main() #执行格式python aaaaa.py "inurl:asp?id=" -p 30 -t 30
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持。
122 在
学历:一种延缓就业设计,生活需求下的权衡之选中评论 工作几年后,报名考研了,到现在还没认真学习备考,迷茫中。作为一名北漂互联网打工人..123 在
Clash for Windows作者删库跑路了,github已404中评论 按理说只要你在国内,所有的流量进出都在监控范围内,不管你怎么隐藏也没用,想搞你分..原梓番博客 在
在Laravel框架中使用模型Model分表最简单的方法中评论 好久好久都没看友情链接申请了,今天刚看,已经添加。..博主 在
佛跳墙vpn软件不会用?上不了网?佛跳墙vpn常见问题以及解决办法中评论 @1111老铁这个不行了,可以看看近期评论的其他文章..1111 在
佛跳墙vpn软件不会用?上不了网?佛跳墙vpn常见问题以及解决办法中评论 网站不能打开,博主百忙中能否发个APP下载链接,佛跳墙或极光..
Copyright·© 2019 侯体宗版权所有·
粤ICP备20027696号